new escuela politÉcnica nacional · 2020. 8. 19. · grandes amigos los que se han convertido...
TRANSCRIPT
ESCUELA POLITÉCNICA
NACIONAL
FACULTAD DE INGENIERÍA MECÁNICA
ANÁLISIS POSTURAL DE RIESGO ERGONÓMICO INHERENTE A
LA ACTIVIDAD DEL BAÑO DE NEONATOS DESEMPEÑADA POR
ENFERMERAS UTILIZANDO LA METODOLOGÍA REBA A TRAVÉS
DE SENSORES DE PROFUNDIDAD KINECT
PROYECTO PREVIO A LA OBTENCIÓN DEL TÍTULO DE INGENIERO MECÁNICO
PÉREZ SANCHO MIGUEL ALEJANDRO
DIRECTOR: Ing. ZAMBRANO IVÁN, M.Sc
CODIRECTOR: Ing. BAÑO DAYSI, Mgtr
Quito, marzo 2020
i
CERTIFICACIÓN
Certifico que el presente trabajo fue desarrollado por Miguel Alejandro Pérez Sancho, bajo
mi supervisión.
______________________
Ing. Iván Zambrano
DIRECTOR DEL PROYECTO
______________________
Ing. Daysi Baño
CODIRECTOR DEL PROYECTO
ii
DECLARACIÓN
Yo, Miguel Alejandro Pérez Sancho, declaro bajo juramento que el trabajo aquí descrito es
de mi autoría; que no ha sido previamente presentada para ningún grado o calificación
profesional; y, que he consultado las referencias bibliográficas que se incluyen en este
documento.
A través de la presente declaración cedo mis derechos de propiedad intelectual
correspondientes a este trabajo, a la Escuela Politécnica Nacional, según lo establecido
por la Ley de Propiedad Intelectual, por su Reglamento y por la normatividad institucional
vigente
__________________
Miguel Alejandro Pérez Sancho
iii
DEDICATORIA
Dedico este trabajo a mi familia y a todo aquello que en el camino se mostró como una
fuente de inspiración para realizarlo.
iv
AGRADECIMIENTO
Eterna gratitud a mi familia especialmente a mi padre Edisson Pérez y a mi madre Egma
Sancho por ser siempre una fuente de sabiduría, motivación y confianza. A todos esos
grandes amigos los que se han convertido también en mi familia por las experiencias. A
mis profesores por siempre aportar con conocimiento. A todos ustedes gracias por ser mis
maestros y hacer que el aprendizaje se convierta en algo cotidiano. El camino ni siquiera
termina, pero inspiración nunca me ha faltado.
v
ÍNDICE
CERTIFICACIÓN .................................................................................................................... i
DECLARACIÓN ......................................................................................................................ii
DEDICATORIA ...................................................................................................................... iii
AGRADECIMIENTO ............................................................................................................. iv
ÍNDICE DE TABLAS ............................................................................................................ viii
ÍNDICE DE FIGURAS .......................................................................................................... ix
RESUMEN ............................................................................................................................ xii
ABSTRACT .......................................................................................................................... xiii
INTRODUCCIÓN ................................................................................................................... 1
Pregunta de investigación ..................................................................................................... 3
Objetivo general .................................................................................................................... 3
Objetivos específicos............................................................................................................. 3
1. MARCO TEÓRICO ........................................................................................................... 4
1.1. VALORACIÓN FUNCIONAL ....................................................................................... 4
1.1.1. VALORACIÓN OBJETIVA DE LA FUNCIÓN ......................................................... 5
1.1.2. VALORACIÓN FUNCIONAL Y LAS TÉCNICAS DE ANÁLISIS BIOMECÁNICO
QUE INTERVIENEN EN LA MISMA. .................................................................................... 5
1.1.3. TÉCNICAS DE ANÁLISIS CINEMÁTICO. .............................................................. 6
1.2. ERGONOMÍA ............................................................................................................... 7
1.2.1. CIENCIAS QUE INTERVIENEN EN UN ESTUDIO ERGONÓMICO .................... 8
1.2.2. AMBITOS DE APLICACIÓN DE LA ERGONOMÍA ................................................ 8
1.2.3. ERGONOMÍA Y PREVENCIÓN DE RIESGOS LABORALES ............................... 9
1.3. TRASTORNOS MUSCULOESQUELÉTICOS .......................................................... 10
1.3.1. TIPOS DE TME OCUPACIONALES..................................................................... 10
1.3.2. FACTORES DE RIESGO ...................................................................................... 11
1.4. SENSORES DE PROFUNDIDAD ............................................................................. 12
1.4.1. MÉTODOS DE DETECCIÓN DE PROFUNDIDAD .............................................. 13
vi
1.4.2. TECNOLOGÍA TIME OF FLIGHT (ToF) ............................................................... 13
1.4.3. TECNOLOGÍA DE LUZ ESTRUCTURADA INFRARROJA ................................. 14
1.5. SENSORES KINECT ................................................................................................. 15
1.5.1. KINECT V1 ............................................................................................................ 15
1.5.2. KINECT V2 ............................................................................................................ 16
1.5.3. COMPARACIÓN ENTRE DISPOSITIVOS KINECT V1 Y KINECT V2................ 16
1.5.4. SELECCIÓN DE SENSOR DE PROFUNDIDAD ................................................. 17
1.6. ANÁLISIS DE MOVIMIENTO MEDIANTE FOTOGRMETRÍA .................................. 19
1.6.1. KINESCAN ............................................................................................................ 20
1.7. MÉTODO DE EVALUACIÓN ERGONÓMICA REBA ............................................... 23
1.7.1. DESARROLLO DEL MÉTODO REBA .................................................................. 23
1.7.2. SEGMENTOS GRUPO A ...................................................................................... 24
1.7.3. SEGMENTOS GRUPO B ...................................................................................... 27
1.7.4. EVALUACIÓN GRUPO A Y B............................................................................... 29
1.7.5. PUNTUACIÓN PARCIAL ...................................................................................... 29
1.7.6. PUNTUACIÓN FINAL ........................................................................................... 31
1.7.7. NIVELES DE ACTUACIÓN ................................................................................... 32
2. METODOLOGÍA ............................................................................................................. 33
2.1. ESTABLECIMIENTO DE PARÁMETROS PARA SELECCIÓN DE POSICIONES DE
RIESGO EN EL SITIO DE TRABAJO ................................................................................. 33
2.1.1. CONSIDERACIONES PARA EL ANÁLISIS DE FACTORES DE RIESGO
ERGONÓMICO ................................................................................................................... 34
2.1.2. SELECCIÓN DE POSICIONES DE POSICIONES DE RIESGO ........................ 35
2.2. ADQUISICIÓN DE DATOS ........................................................................................ 38
2.2.1. SELECCIÓN DE LA MUESTRA ........................................................................... 41
2.2.2. INSTRUMENTACIÓN DE LOS PARTICIPANTES ............................................... 41
2.2.3. PROTOCOLO DE ADQUISICIÓN DE DATOS .................................................... 42
2.2.4. ADQUISICIÓN DE DATOS CON KINECT ........................................................... 44
2.2.5. ADQUISICIÓN DE DATOS CON KINESCAN ...................................................... 47
vii
2.3. CÁLCULO DE ÁNGULOS ......................................................................................... 50
2.3.1. ÁNGULOS REQUERIDOS PARA EL PROCESAMIENTO DE DATOS .............. 50
2.3.2. CÁLCULO DE ÁNGULOS ENTRE BARRAS ....................................................... 51
2.3.3. PROYECCIÓN DE VECTORES SOBRE PLANOS ............................................. 51
2.4. PROCESAMIENTO DE DATOS ................................................................................ 53
2.4.1. PROCESAMIENTO DE DATOS PARA LA VALIDACIÓN ................................... 55
2.4.2. PROCESAMIENTO DE DATOS PARA ANÁLISIS DE RIESGO ERGONÓMICO
55
2.4.3. PARÁMETROS ESTABLECIDOS PARA EL ANÁLISIS DE RIESGO ................. 55
3. RESULTADOS Y DISCUSIÓN ....................................................................................... 57
3.1. RESULTADOS VALIDACIÓN .................................................................................... 57
3.1.1. VALIDACIÓN DEL SENSOR PARA EL ANÁLISIS POSURAL EN SEGMENTOS
CRÍTICOS POR SEPARADO ............................................................................................. 57
3.1.2. ÁNGULO DE FLEXIÓN DEL TRONCO ................................................................ 59
3.1.3. ÁNGULO DE FLEXIÓN DEL CUELLO ................................................................. 60
3.1.4. ÁNGULO DE FLEXIÓN DE PIERNAS ................................................................. 61
3.1.5. ÁNGULO DE FLEXIÓN DE CODOS .................................................................... 62
3.1.6. ÁNGULO DE FLEXIÓN DE BRAZOS .................................................................. 63
3.2. RESULTADOS EVALUACIÓN DE RIESGO ERGONÓMICO .................................. 64
3.2.1. INFLUECIA DE LOS ÁNGULOS CALCULADOS A PARTIR DE INFORMACIÓN
DE LOS SENSORES KINECT ............................................................................................ 65
3.2.2. INFLUENCIA DE LOS PARAMETROS DE INGRESO MANUAL Y AJUSTES ... 66
3.3. DISCUSIÓN ............................................................................................................... 67
4. CONCLUSIONES Y TRABAJOS FUTUROS ................................................................. 68
4.1. CONCLUSIONES ...................................................................................................... 68
4.2. TRABAJOS FUTUROS .............................................................................................. 69
REFERENCIAS ................................................................................................................... 70
viii
ÍNDICE DE TABLAS
Tabla 1.1. Traumatismos causados por TME en la columna vertebral, y en zonas del tronco
superior. ............................................................................................................................... 11
Tabla 1.2. Exposiciones relacionadas al trabajo y las fracciones atribuibles estimadas para
trastornos en la espalda y extremidades superiores. ......................................................... 12
Tabla 1.3. Comparación de los métodos de adquisición de imagen 3D. ........................... 13
Tabla 1.4. Características de los sensores Kinect v1 y v2. ................................................ 16
Tabla 1.5. Requerimientos de hardware para conexión Kinect V2 con computador. ........ 19
Tabla 1.6. Características de las cámaras utilizadas por el sistema Kinescan/IBV. ......... 20
Tabla 1.7. Incremento de puntuación del Grupo A por carga o fuerzas ejercidas............. 30
Tabla 1.8. Incremento de puntuación del Grupo A por cargas o fuerzas bruscas............. 30
Tabla 1.9. Incremento de puntuación del Grupo A por cargas o fuerzas bruscas............. 30
Tabla 1.10. Incremento de puntuación del Grupo C por tipo de actividad muscular. ........ 32
Tabla 2.1. Clasificación de la carga biomecánica en los tres indicadores clave (Intensidad,
Frecuencia y Duración) de los riesgos ergonómicos de los WRMSDS (Trastornos Músculo
Esqueléticos Asociados al Trabajo) .................................................................................... 34
Tabla 2.2. Consideraciones para la definición de tareas que intervienen en una actividad.
............................................................................................................................................. 35
Tabla 2.3. Consideraciones para la definición de tareas que intervienen en una actividad.
............................................................................................................................................. 36
Tabla 2.4. Identificación de factores de riesgo en las tareas del baño de neonatos. ........ 37
Tabla 2.5. Localización de marcadores reales en el cuerpo del participante. ................... 41
Tabla 2.6. Descripción de movimientos analizados para la validación. ............................. 43
Tabla 2.7. Principales funciones de Matlab empleadas para el seguimiento esquelético. 45
Tabla 2.8. Características de las imágenes del Kinect V2. ................................................ 46
Tabla 2.9. Marcadores virtuales calculados. ...................................................................... 48
Tabla 2.10. Condiciones establecidas para el cálculo de ángulos por segmento. ............ 51
Tabla 2.11. Funciones de Matlab empleadas en el procesamiento de datos. ................... 54
Tabla 2.12. Parámetros de ingreso manual en la evaluación REBA. ................................ 56
Tabla 3.1. Error sistemático y SEM para la secuencia solo brazo izquierdo. .................... 58
Tabla 3.2. Error sistemático y SEM para la secuencia solo brazo derecho....................... 58
Tabla 3.3. Media, desviación estándar, error sistemático y SEM para la secuencia completa
de movimientos.................................................................................................................... 59
Tabla 3.4. Resultados en la evaluación REBA por participante. ........................................ 65
ix
Tabla 3.5. Promedio y desviación estándar de los ángulos utilizados en la evaluación
REBA. .................................................................................................................................. 66
ÍNDICE DE FIGURAS
Figura 1.1. Principales técnicas de análisis de movimiento. ............................................... 7
Figura 1.2. Esquema de operación tecnología de tiempo de vuelo. .................................. 14
Figura 1.3. Esquema de operación tecnología de luz estructurada infrarroja. ................. 14
Figura 1.4. Microsoft Kinect V1 y sus componentes. ......................................................... 15
Figura 1.5. Sensor de profundidad Kinect en sus versiones V1 y V2. ............................... 17
Figura 1.6. Juntas del cuerpo humano detectadas por Kinect V2 y sus identificaciones.
............................................................................................................................................. 18
Figura 1.7. Coordenadas en el espacio del sensor Kinect v2. ........................................... 18
Figura 1.8. Coordenadas en el espacio del sensor Kinect v2. ........................................... 19
Figura 1.9. Cámara Infrarroja del sistema Kinescan/IBV. .................................................. 20
Figura 1.10. Marcadores del sistema Kinescan/IBV. ......................................................... 21
Figura 1.11. Estructura general de un modelo de análisis con Kinescan/IBV. ................. 21
Figura 1.12. Digitalización de una escena adquirida con Kinescan/IBV. ........................... 22
Figura 1.13. Desarrollo del método REBA. ......................................................................... 24
Figura 1.14. Posiciones y puntajes considerados para la evaluación del tronco con REBA.
............................................................................................................................................. 24
Figura 1.15. Ajustes por torsión y flexión lateral considerados para la evaluación del tronco
con REBA. .......................................................................................................................... 25
Figura 1.16. Posiciones para valoración considerados para la evaluación del cuello con
REBA. ................................................................................................................................. 25
Figura 1.17. Ajustes por torsión/flexión lateral considerados para la evaluación del cuello
con REBA. .......................................................................................................................... 25
Figura 1.18. Posiciones para valoración de tipo de apoyo (bilateral o unilateral)
considerados para la evaluación del piernas con REBA. .................................................. 26
Figura 1.19. Ajustes por flexión de rodilla considerados para la evaluación del piernas con
REBA. ................................................................................................................................. 26
Figura 1.20. Posiciones para valoración considerados para la evaluación del brazo con
REBA. ................................................................................................................................. 27
Figura 1.21. Ajustes por elevación, abducción/aducción de hombro considerados para la
evaluación de brazo con REBA ......................................................................................... 27
x
Figura 1.22. Grado de flexión de antebrazo considerado para la evaluación con REBA. 28
Figura 1.23. Posiciones en flexión/extensión para valoración considerados para la
evaluación de muñeca con REBA....................................................................................... 28
Figura 1.24. Ajustes por desviación radial/cubital o torsión considerados para la evaluación
de muñeca con REBA. ........................................................................................................ 29
Figura 1.25. Tabla de puntuación del grupo A. ................................................................... 29
Figura 1.26. Tabla de puntuación del grupo B. ................................................................... 29
Figura 1.27. Ejemplos de agarres y su calidad. .................................................................. 31
Figura 1.28. Tabla de puntuación del grupo C. .................................................................. 31
Figura 1.29. Niveles de Actuación según la puntuación final REBA. ................................. 32
Figura 2.1. Enfermeras efectuando el baño de un neonato. .............................................. 36
Figura 2.2. (a) Tarea de preparación durante el baño de neonatos, (b) Tarea de lavado de
cabeza del neonato. ............................................................................................................ 37
Figura 2.3. Tarea de lavado de cuerpo del neonato, (b) Tarea de secado del cuerpo del
neonato. ............................................................................................................................... 38
Figura 2.4. Posicionamiento de los sensores Kinect en el laboratorio. ............................. 39
Figura 2.5. Posicionamiento de los sensores respecto al participante y verificación de
detección de marcadores. ................................................................................................... 39
Figura 2.6. Detección de juntas y seguimiento esquelético con sensores Kinect en
diferentes posiciones. .......................................................................................................... 40
Figura 2.7. Problemas en el seguimiento y detección de puntos de muñecas y dedos. ... 40
Figura 2.8. Localización en el cuerpo de los marcadores implementados en el modelo. . 42
Figura 2.9. Posición anatómica. .......................................................................................... 42
Figura 2.10. Imagen de Profundidad de seguimiento esquelético obtenida con Matlab. .. 45
Figura 2.11. Juntas detectadas por el sensor Kinect a través de Kin 2 y sus identificaciones.
............................................................................................................................................. 46
Figura 2.12. Segmentos del modelo introducido ................................................................ 47
Figura2.13. Puntos del segmento piernas en el modelo introducido. ................................ 47
Figura 2.14. Digitalización de la escena en Kinescan. ....................................................... 49
Figura 2.15. Animación de la Escena. ................................................................................ 49
Figura 2.16. Planos Anatómicos. ....................................................................................... 52
Figura 2.17. Proyección de un vector sobre un plano. ...................................................... 53
Figura 3.1. (a) Ángulo flexión tronco sensor lateral [°] vs. Porcentaje de movimiento
completado, (b) Ángulo flexión tronco sensor frontal [°] vs. Porcentaje de movimiento
completado. ......................................................................................................................... 60
xi
Figura 3.2. (a) Ángulo flexión cuello sensor lateral [°] vs. Porcentaje de movimiento
completado, (b) Ángulo flexión del sensor frontal [°] vs. Porcentaje de movimiento
completado. ......................................................................................................................... 60
Figura 3.3. (a) Ángulo flexión pierna derecha sensor lateral [°] vs. Porcentaje de movimiento
completado, (b) Ángulo flexión pierna derecha sensor frontal [°] vs. Porcentaje de
movimiento completado. ..................................................................................................... 61
Figura 3.4. (a) Ángulo flexión pierna izquierda sensor lateral [°] vs. Porcentaje de
movimiento completado, (b) Ángulo flexión pierna izquierda sensor frontal [°] vs. Porcentaje
de movimiento completado. ................................................................................................ 61
Figura 3.5. (a) Ángulo flexión codo izquierdo sensor lateral [°] vs. Porcentaje de movimiento
completado, (b) Ángulo flexión codo izquierdo sensor frontal [°] vs. Porcentaje de
movimiento completado. ..................................................................................................... 62
Figura 3.6. (a) Ángulo flexión codo derecho sensor lateral [°] vs. Porcentaje de movimiento
completado, (b) Ángulo flexión codo derecho sensor frontal [°] vs. Porcentaje de
movimiento completado. ..................................................................................................... 63
Figura 3.7. (a) Ángulo flexión brazo izquierdo sensor lateral [°] vs. Porcentaje de
movimiento completado, (b) Ángulo flexión brazo izquierdo sensor frontal [°] vs. Porcentaje
de movimiento completado. ................................................................................................ 63
Figura 3.8. (a) Ángulo flexión brazo derecho sensor lateral [°] vs. Porcentaje de movimiento
completado, (b) Ángulo flexión brazo derecho sensor frontal [°] vs. Porcentaje de
movimiento completado. ..................................................................................................... 64
xii
RESUMEN
En la actualidad es posible detectar que ciertas actividades llevadas a cabo en los
diferentes sitios de trabajo propician la aparición de trastornos musculoesqueléticos (TME),
que incluyen lesiones a nivel cervical, lumbar y de extremidades superiores e inferiores.
Este tipo de lesiones son producto de la adopción de posturas inadecuadas y de bajo nivel
de ergonomía. El presente trabajo pretende analizar el riesgo ergonómico asociado a la
actividad de baño de neonatos desempeñada por enfermeras. Para esto, mediante video
se obtuvo un registro digital en el cual son evidenciables las tareas que intervienen en el
baño del neonato. De acuerdo con tres indicadores (intensidad, fuerza y duración) las
posiciones cuya ejecución implica adoptarla de manera repetitiva, realizar esfuerzos
importantes fueron identificadas. Además, se realizó una valoración ergonómica
empleando la función de seguimiento esquelético de sensores de profundidad Kinect en
conjunto con el método de análisis postural REBA con el fin de obtener indicadores de nivel
de riesgo de las posiciones más críticas de la actividad analizada y su influencia en el
desarrollo de lesiones. Se consideró una muestra de 5 personas con ausencia de molestias
de tipo muscular o articular quienes reprodujeron la secuencia de movimientos del lavado
de cuerpo de un bebé, tarea identificada como la más crítica dentro de la actividad de baño
de neonatos. Así también la utilización de fotogrametría permitió la validación de los
resultados obtenidos mediante el análisis de variables estadísticas y el error asociado a las
mediciones obtenidas a partir de información de los sensores Kinect. Variables como la
frecuencia de grabación de los sensores, y su localización con respecto a los participantes,
influyen en la detección de posiciones corporales cuya información permite obtener la
valoración de riesgo ergonómico y establecer el grado de urgencia con el que es requerida
una intervención para mejorar las condiciones en que se desempeña la actividad.
Palabras clave: Trastornos musculoesqueléticos, ergonomía, valoración ergonómica,
sensores de profundidad Kinect, REBA, fotogrametría.
xiii
ABSTRACT
Currently, it is possible to detect that certain activities carried out at different workplaces are
conducive to the development of musculoskeletal disorders (MSD), which include injuries
to the cervical, lumbar, and upper and lower extremities. This type of injury is the product
of adopting inappropriate postures and a low level of ergonomics. The present work tries to
analyze the ergonomic risk associated with the activity of neonatal bathing performed by
nurses. For this, a digital record through video was made in which the tasks involved in the
newborn's bath are evident. According to three indicators (intensity, force, and duration),
the positions whose execution involves adopting repetitively, making significant efforts were
identified. In addition, an ergonomic assessment was carried out using the skeletal tracking
function of Kinect depth sensors in conjunction with the REBA postural analysis method in
order to obtain risk level indicators of the most critical positions of the analyzed activity and
its influence on injury development. A sample of 5 people with absence of muscular or joint
problems who reproduced the sequence of movements of a baby's body wash, a task
identified as the most critical in the activity of neonatal bathing was considered. Likewise,
the use of photogrammetry allowed the validation of the results obtained through the
analysis of statistical variables and the error associated with the measurements obtained
from the information from the Kinect sensors. Variables such as the recording frequency of
the sensors, their location with respect to the participants, influenced the detection of
corporate positions whose information allows to obtain an ergonomic risk assessment and
establish the degree of urgency with which an intervention is required to improve the
conditions in which the activity is carried out.
Keywords: Musculoskeletal disorders, ergonomics, ergonomic titration, inertial sensors,
REBA, photogrammetry.
1
ANALISIS POSTURAL DE RIESGO ERGONÓMICO INHERENTE A LA ACTIVIDAD DEL BAÑO DE NEONATOS DESEMPEÑADA POR
ENFERMERAS UTILIZANDO LA METODOLOGÍA REBA A TRAVÉS DE SENSORES DE PROFUNDIDAD KINECT.
INTRODUCCIÓN
La valoración funcional a nivel ergonómico se enfoca en evaluar el cuerpo de manera
sistemática al adoptar determinadas posturas, extensiones forzosas, movimientos
repetitivos, que son efectuados al llevar a cabo una actividad laboral. Entendiendo como
postura a la alineación biomecánica del cuerpo y su relación con el entorno. La alineación
postural correcta implica máxima eficiencia fisiológica y biomecánica con poca sobrecarga
en las estructuras de soporte [1]. Un análisis ergonómico adecuado y efectuado a tiempo
proporciona la información necesaria a los especialistas de la salud, quienes se encargan
de tratar problemas ocasionados por el trabajo que pueden desencadenar lesiones y/o
trastornos del tipo musculoesquelético [2]. Dentro del área ocupacional los mencionados
trastornos causan inconvenientes que van más allá de afecciones a la salud, son
consideradas también pérdidas en el ámbito económico, profesional y productivo [3]. De
acuerdo con los reportes de la Agencia Europea de Seguridad y Salud en el Trabajo [4] los
TME lumbares de origen laboral afectaran entre un 60% y un 90% de personas durante su
vida profesional, siendo los sectores: agrícola, construcción y sanitario los que presentan
índices de prevalencia más elevados. Dentro del personal sanitario, específicamente el de
enfermería se sitúa como la segunda profesión de riesgo luego de la industria pesada [5],
[6].
Actualmente la necesidad de evaluaciones del tipo ergonómico in situ ha hecho que la
aplicación de métodos de alta sensibilidad a diferentes tipos de posturas de trabajo
impredecibles sean una de las herramientas más utilizadas en las industrias. La evaluación
postural cualitativa basada en la inspección visual es el método más común utilizado para
evaluar la postura [1]. Sin embargo, este método es subjetivo, aumenta la posibilidad de
errores entre los evaluadores y dificulta la identificación de cambios posturales sutiles.
También tiene baja confiabilidad entre evaluadores y menos validez en comparación con
los enfoques cuantitativos [1], [7]. A pesar de ello métodos de este tipo como: RULA
(Rappid Upper Limb Assessment) y REBA (Rappid Entire Body Assessment) se presentan
como mecanismos útiles al momento de determinar la capacidad laboral y los riesgos
existentes en el puesto trabajo [8]. El uso de técnicas de captura de movimiento como
fotogrametría y sensores de profundidad permiten extraer información de manera más
accesible para caracterizar la actividad que desempeña una persona en su trabajo
2
considerando las posiciones y movimientos que intervienen en la misma. La ventaja de
este tipo de sistema empleado por el sensor Kinect es que pueden interactuar con el
usuario sin entrar en contacto con el mismo por medio de la función de captura de
movimiento sin marcadores ni calibración [9]. Están basados en cámaras de profundidad y
son medios prometedores para medir posturas en 3D en tiempo real donde la ubicación
del objeto se define por coordenadas tridimensionales (x, y, z) en unidades del sistema
internacional (SI) [9], [10]. Evaluar los riesgos potenciales de trastornos
musculoesqueléticos en estaciones de trabajo reales es un desafío ya que presentan
entornos desordenados, lo que dificulta la evaluación precisa de las posturas de los
trabajadores. El uso de sensores de profundidad Kinect puede proporcionar puntajes
REBA de mayor precisión incluso en condiciones subóptimas inducidas por el entorno
laboral [11].
El procesamiento de esta información mediante representaciones digitales son una forma
de predecir el comportamiento del cuerpo ante la presencia de posiciones forzadas, en
intervalos de tiempo prolongados, y el riesgo inherente a las mismas en cuanto a la posible
aparición de lesiones que afecten la salud y capacidad laboral del trabajador [12].
Los métodos propuestos proporcionan información confiable obtenida a través de sensores
de profundidad sin marcadores en entornos saturados y presencia de oclusiones logrando
realizar evaluaciones de riesgo laboral y mejorar la precisión y confiabilidad del método
REBA [10]. A pesar de ello, es necesario llevar a cabo una validación de resultados
mediante un análisis cinemático de las posturas identificadas bajo condiciones de
laboratorio y así poder compararlos mediante el índice de error encontrado.
3
Pregunta de investigación
¿En qué condiciones la introducción de sensores de profundidad como complemento de
las metodologías cualitativas de evaluación postural permiten obtener mejores resultados
en la valoración de riesgo ergonómico?
Objetivo general
Analizar el riesgo ergonómico inherente a la actividad de baño de neonatos desempeñada
por enfermeras utilizando la metodología REBA, a través de sensores de profundidad
Kinect.
Objetivos específicos
• Obtener un registro digital en video en el que se evidencie las actividades realizadas
por las enfermeras durante el baño de neonatos.
• Identificar las posiciones cuya ejecución implica adoptarla de manera repetitiva, y
realizar esfuerzos importantes en enfermeras que bañan a neonatos.
• Realizar una valoración ergonómica utilizando el método de análisis postural REBA
y obtener indicadores de nivel de riesgo de las posiciones más críticas de esta
actividad y su influencia en el desarrollo de trastornos musculo esqueléticos.
• Validar los resultados obtenidos utilizando el sensor Kinect mediante la aplicación
de una metodología alternativa (Fotogrametría) y determinar el error existente en
los datos obtenidos.
4
1. MARCO TEÓRICO
Se han desarrollado numerosos métodos para evaluar la carga de trabajo física
(exposiciones biomecánicas) con el fin de identificar los peligros que conducen a trastornos
musculoesqueléticos, para monitorear los efectos de los cambios ergonómicos y el diseño
de espacios de trabajo. Ningún método único es adecuado para todos los propósitos. La
selección y el uso de métodos a menudo se ha basado en la tradición más que en una
evaluación crítica [13]. Es posible clasificarlos de acuerdo con la técnica de medición
empleada así: métodos de autoevaluación, mediciones directas y métodos
observacionales [11].
En cuanto a las mediciones directas, la adquisición precisa de datos y mediciones de
posturas, ángulos de segmentos del cuerpo humano se encuentra limitado al uso de
sofisticados sistemas de elevado costo [14]. Adicionalmente se presentan ciertas
desventajas asociadas como la necesidad de usar marcadores y disponer de un ambiente
adecuadamente adaptado para efectuar este tipo de pruebas. En contraste con este tipo
de pruebas se encuentran las evaluaciones del tipo observacional, enfocadas también a
determinar el riesgo asociado a los movimientos que intervienen en una actividad. Uno de
los inconvenientes es que la información recopilada es obtenida de manera subjetiva por
observación o simple estimación de ángulos proyectados en videos o imágenes. Lo que se
traduce en baja precisión y elevada variabilidad intra e inter – observador [11].
La captura de movimiento sin marcadores se presenta como una alternativa no invasiva
[15].
1.1. VALORACIÓN FUNCIONAL
La valoración o evaluación funcional surge de la necesidad de la rama de la Medicina Física
y Rehabilitación de evaluar sus resultados (la efectividad del tratamiento, el progreso de
los pacientes y la planificación de las necesidades de sus servicios), tanto desde la óptica
de la gestión y control de gasto como desde la óptica clínica [2].
La valoración funcional debe incluir 2 grandes aspectos o dominios: la evaluación de la
limitación funcional, entendida como la dificultad para realizar tareas motoras a nivel
individual, y la discapacidad, entendida como la limitación en el funcionamiento o
desempeño de roles sociales definidos y tareas dentro de un entorno físico y sociocultural
[16].
5
Sin una definición particular, la valoración funcional es una medida del cambio (cualitativo
y cuantitativo) el cual proporciona información acerca de cómo una persona desarrolla
ciertas actividades en los distintos contextos de su vida [17].
1.1.1. VALORACIÓN OBJETIVA DE LA FUNCIÓN
La valoración objetiva de la función está alineada con los criterios de la valoración clínica
de trastornos, lesiones y enfermedades producidas a nivel laboral. A pesar de ello, un
abordaje global tomando en consideración aspectos emocionales, personales, diseño y
ambientación del espacio de trabajo también poseen relevancia en afecciones de la
función.
Si la valoración funcional se encarga de estudiar y evaluar dichas repercusiones en relación
con el desarrollo de actividades de la vida diaria y laboral, existen otras muchas técnicas
que se encargan de realizar un análisis objetivo y detallado de la estructura corporal afecta.
Estas técnicas se centran en el diagnóstico, es decir, en conocer el origen del cuadro
clínico. Su utilización es generalizada y se encuentra asociada al modelo médico
tradicional, ya que se basa en la patología como pieza clave de caracterización y
clasificación médica. Entre ellas se encuentran pruebas de laboratorio, técnicas de imagen
(Rx, TAC, RMN, mielografía, gammagrafía ósea), estudios electro diagnósticos (EMG) y
termografía. A pesar de su objetividad, presenta una utilidad importante pero limitada en
los procesos de valoración y no siempre presentan una buena correlación entre sus
resultados y el estado funcional del paciente [17].
1.1.2. VALORACIÓN FUNCIONAL Y LAS TÉCNICAS DE ANÁLISIS BIOMECÁNICO
QUE INTERVIENEN EN LA MISMA.
La valoración funcional requiere de instrumentos que permitan mensurar aquellos
fenómenos que les ocupa con el objetivo de analizarlos, comprenderlos y plantear las
actuaciones que se precisen en cada caso [17]. En este sentido, los primeros instrumentos
desarrollados para tratar de caracterizar la función y que hoy en día siguen en vigencia,
son las escalas de valoración funcional. Su formato varía desde entrevistas hasta
cuestionarios, auto notificaciones o pruebas observacionales directas [18]. La selección de
una escala de valoración adecuada está relacionada con la información disponible, y el
objetivo perseguido [19]. La información adquirida mediante esta metodología es producto
de la observación, considerando la subjetividad de este proceso la implementación de
herramientas tecnológicas permite aumentar la precisión de los datos y resultados
obtenidos.
6
El uso de herramientas que permiten caracterizar la función está relacionado con el análisis
del movimiento humano a través de características biomecánicas de las personas. El
objetivo de estas mediciones es mejorar el rendimiento de movimiento, reducir esfuerzos
que actúan sobre el cuerpo y estudiar la evolución de en procesos de rehabilitación. De
manera general se puede clasificar las técnicas de valoración funcional de acuerdo con el
tipo de abordaje con el que se estudia la función. Este puede ser mediante técnicas
cinemáticas que permiten describir los movimientos a través de variables como posiciones,
velocidades y aceleraciones, mientras que las técnicas cinéticas que estudian las fuerzas
que originan el movimiento, es decir variables dinámicas como fuerza, presión, etc [17],
[20]. Este estudio pretende describir los movimientos más críticos de una tarea en el baño
de neonatos a través de los ángulos calculados al adoptar posturas específicas por lo que
solo utilizará técnicas de análisis del tipo cinemático.
1.1.3. TÉCNICAS DE ANÁLISIS CINEMÁTICO.
La cinemática no tiene que ver con las fuerzas, internas o externas, que causan el
movimiento, sino más bien con los detalles del movimiento en sí. El análisis de cinemático
movimientos humanos permite identificar objetivamente patrones de movimiento normales
y alterados, establecer causas y recomendar tratamientos [17], [20]. Existen varias
tecnologías de detección capaces de detectar parámetros conjuntos y movimientos. La
mayoría de los sistemas de monitoreo conjunto existentes son grandes y complejos, con
un sofisticado y estructura frágil. Algunos sistemas también requieren un operador experto
y una configuración de laboratorio para recopilar los datos y extraer información
relacionada con las articulaciones. Afortunadamente, con los avances en la tecnología de
sensores, El proceso de monitoreo se ha vuelto más fácil, más conveniente y menos
costoso de implementar [21]. En la figura 1.1. se resume las técnicas de registro y análisis
de movimiento más utilizadas.
7
Figura 1.1. Principales técnicas de análisis de movimiento. (Fuente: [21])
El seguimiento esquelético humano basado en imágenes y video es un método bien
aceptado para el monitoreo de articulaciones debido a su amplia aplicabilidad y
confiabilidad [21]. Uno o más cámaras son los componentes principales de este sistema.
El flujo del proceso de este método es capturar datos visuales de varias acciones humanas
haciendo uso de una o más cámaras, y luego rastrear las articulaciones usando parámetros
antropométricas (tamaño, forma y composición del cuerpo humano) Estas aplicaciones
comprenden diversos campos de investigación como biomecánica, procesamiento de
imágenes, aprendizaje automático y patrones reconocimiento [22], [23].
En este trabajo se evaluará el riesgo ergonómico utilizando imágenes adquiridas por
sensores de profundidad que son parte de la tecnología que utiliza visión artificial, además
de validar las medidas obtenidas mediante una comparación con sistemas de
fotogrametría.
1.2. ERGONOMÍA
En la definición de ergonomía se debe considerar su naturaleza multidisciplinar. La
Ergonomía no es una ciencia, más bien una manera de abordar los problemas que utiliza
conocimientos procedentes de ciencias bastantes diversas [24]. Los enfoques simplistas,
a partir de conocimientos parciales y no integrados, no sirven para abordar los estudios
ergonómicos [24]. Una parte específica dentro del campo de la ergonomía es, según la
asociación internacional de ergonomía (IAE), la compatibilidad entre las características
8
anatómicas, antropométricas, fisiológicas y biomecánicas con respecto a los parámetros
estáticos y dinámicos de trabajo físico [25].
1.2.1. CIENCIAS QUE INTERVIENEN EN UN ESTUDIO ERGONÓMICO
Se debe tener en cuenta que el objeto de estudio de la ergonomía son las personas, y que
es imposible modelar el cuerpo humano desde un único punto de vista [24]. Es necesaria
la intervención de otras disciplinas que realizan aportes útiles, dentro de las cuales se
puede destacar como fundamentales a la psicología, fisiología, antropometría y la
biomecánica.
• Psicología: Permite evaluar problemas que comprenden aspectos relacionados
a capacidades cognitivas, estrés mental, patrones de toma de decisiones,
previsión de reacciones ante estímulos.
• Fisiología: Su enfoque está basado en el comportamiento humano considerando
parámetros como: consumo metabólico, respiratorio, cardiovascular y sensorial.
Es de utilidad al evaluar tareas de alto consumo energético, condiciones
ambientales extremas.
• Antropometría: Las mediciones antropométricas básicas del cuerpo humano
incluyen mediciones lineales (por ejemplo, mediciones de amplitud, altura y
longitud), mediciones angulares (por ejemplo, mediciones entre planos y líneas
que cruzan el cuerpo humano, como la flexión/extensión en el plano sagital),
circunferencias (por ejemplo: circunferencias de cabeza, cuello y pecho) y
mediciones de fuerza (por ejemplo, agarre, pellizco y resistencia al par) [26]. La
información obtenida es utilizada para lograr diseñar de manera adecuada
herramientas y espacios de trabajo.
• Biomecánica: Permite estudiar y modelizar el cuerpo humano desde un abordaje
mecánico, considerándolo como un sistema constituido por elementos rígidos
(huesos), articulados entre sí y con posiciones controladas por elementos
viscoelásticos como músculos tendones y ligamentos [24]. Su aporte en este tipo
de estudios tiene relación con el análisis de movimientos, posturas de riesgo y
manejo de cargas.
1.2.2. AMBITOS DE APLICACIÓN DE LA ERGONOMÍA
La aplicabilidad de la ergonomía considera dos campos de acción, el primero relacionado
a los procesos productivos y desempeño de actividades (Ergonomía del trabajo) y el
segundo asociado a los productos fabricados mediante dichos procesos (Ergonomía del
producto).
9
• Ergonomía del trabajo
Está enfocada en la persona que desempeña un trabajo, analiza las tareas que intervienen
en la actividad laboral con la finalidad de evitar accidentes y patologías laborales, disminuir
la fatiga física y cognitiva, además de incrementar los niveles de satisfacción del trabajador.
La aplicación de Ergonomía en procesos productivos y los espacios donde estos se llevan
a cabo está relacionada con incrementos a nivel de productividad y reducción de costos
provocados errores, accidentes y bajas laborales. Sin dejar a un lado los beneficios de
carácter social y humano[24].
• Ergonomía del producto
Desde este punto de vista se pretende evaluar las relaciones entre el usuario y el producto
para adaptarlo a sus capacidades, requerimientos y preferencias.
Este tipo de consideraciones son una nueva tendencia de especial relevancia en la
innovación y desarrollo de productos, donde la aplicación de conceptos de ergonomía
influye en la calidad, utilidad, seguridad, eficiencia de los productos diseñados. El valor
agregado se ve reflejado en la satisfacción de los usuarios.
1.2.3. ERGONOMÍA Y PREVENCIÓN DE RIESGOS LABORALES
La evolución en el diseño y distribución de los espacios de trabajo, la automatización de
los procesos, están relacionados con el incremento en la aparición de TMEs debido a las
condiciones ergonómicas inadecuadas.
En cuanto a la relación entre las lesiones por carga física y las condiciones de trabajo hay
pocas dudas sobre los factores que determinan estas lesiones así: malas posturas,
repetitividad, manejo de cargas, exposición a vibraciones [27].
Hay una fuerte evidencia que medidas ergonómicas de carácter técnico pueden reducir la
carga de trabajo en la espalda y tronco superior sin pérdida de productividad y evidencia
moderada de que dichas medidas puedan reducir la aparición de TMEs [28]. Existen ciertos
principios cuya implementación es importante como medidas ergonómicas y de prevención
de riesgos laborales:
• Participación e involucramiento de trabajadores y representantes en el planteamiento
de medidas de prevención de riesgos.
• Abordaje multidisciplinario en cuanto a la evaluación, monitoreo y búsqueda de
soluciones para los riesgos laborales. La colaboración de personas con conocimiento
en diferentes áreas es importante así: ergónomos, ingenieros, psicólogos, etc.
10
• El acondicionamiento físico puede también reducir la recurrencia de problemas en
espalda, cuello y hombros, a pesar de ello existe evidencia de que el entrenamiento
físico no es efectivo si se usa solamente como una medida para prevenir el dolor de
espalda. Por lo que debe estar enfocado en fortalecer y mejorar la condición física del
trabajador.
• Recursos adecuados deben estar disponibles para mejorar los espacios de trabajo.
1.3. TRASTORNOS MUSCULOESQUELÉTICOS
Datos de la Agencia Europea de Salud e Higiene en el Trabajo [19] revelan que los
Trastornos Musculoesqueléticos (TME) constituyen el problema de salud más común en el
ámbito laboral a nivel europeo. En la Unión Europea de los 27, el 25% de los trabajadores
refieren en algún momento de su vida dolor de espalda y el 23% lo hacen de afecciones
musculares. Los TME relacionados con el trabajo son alteraciones de las estructuras
corporales como: músculos, articulaciones, tendones, ligamentos, nervios, huesos, o un
sistema de circulación sanguínea. Son causados o agravados principalmente por el
desempeño de una actividad y por los efectos del entorno inmediato donde el trabajo se
lleva a cabo. La mayoría de los TME relacionados con actividades laborales son trastornos
acumulativos, que resultan de exposiciones repetidas a cargas de alta o baja intensidad
durante un largo período de tiempo. Los síntomas pueden variar desde molestias y dolor
hasta disminución de la función corporal y la invalidez. Aunque no está claro en qué medida
los TME son causados por el trabajo, su impacto en la vida laboral es enorme. Los TME
pueden interferir con las actividades en el trabajo y pueden reducir la productividad, la
ausencia por enfermedad y la discapacidad ocupacional crónica.
1.3.1. TIPOS DE TME OCUPACIONALES
De acuerdo con la zona corporal afectada se los puede agrupar en dos grupos: La zona
lumbar que abarca lesiones en la espalda, y la zona del cuello y hombros con las lesiones
en miembros superiores.
La modernización y automatización de las industrias no han reemplazado el manejo manual
de cargas ni sus consecuencias. Las lesiones que involucran los segmentos lumbares,
músculos y ligamentos asociados a la columna son dolorosas, reducen la movilidad,
producen un gran número de bajas laborales. De acuerdo con [29] los estudios que
establecen la relación entre lesiones de columna y actividades laborales son del tipo:
11
Epidemiológico: Los trabajadores que realizan levantamientos de cargas pesadas
presentan una incidencia ocho veces mayor de lesiones lumbares en contraste con los que
realizan trabajo sedentario.
Biomecánico: Existe una fuerte correlación entre la fuerza de compresión en la vertebras
L5/S1 y la aparición de afecciones lumbares. La tolerancia de fuerzas de compresión en la
columna es diferente en hombres y mujeres, los valores máximos tolerados son de 3930
N.
Tabla 1.1. Traumatismos causados por TME en la columna vertebral, y en zonas del tronco superior.
Zona Corporal Tipo de traumatismo
Traumatismos a nivel de la
columna vertebral
Hernia discal
Lumbalgia
Nervio ciático
Protrusión discal
Distensión muscular
Traumatismos
acumulativos específicos
en mano y muñeca
Tendinitis
Tenosinovitis
Síndrome de túnel carpiano
Síndrome del canal de Guyón
Traumatismos
acumulativos específicos
en brazo y codo
Epicondilitis y epitrocleitis
Síndrome del pronador redondo
Síndrome del túnel radial
Traumatismos
acumulativos específicos
en hombros y cuello
Tendinitis del manguito rotador
Síndrome de la salida torácica
Síndrome cervical por tensión
Fuente: [29], [30]
1.3.2. FACTORES DE RIESGO
De manera general se los factores de riesgo en el desarrollo de TME pueden clasificarse
en individuales y externos. Los individuales corresponden a aspectos antropométricos y
biomecánicos inherentes al cuerpo humano. Los procesos biológicos que conducen desde
los factores de riesgo a los TME no son bien conocidos, pero es obvio que los factores
individuales y externos interactúan, es decir, los trastornos son el resultado de varias
combinaciones de factores individuales y externos [28].
La fracción atribuible de un factor de riesgo describe la reducción proporcional en la
aparición de la enfermedad cuando se elimina el factor de riesgo y sin cambios en los otros
12
factores de riesgo. La tabla 1.2. muestra fracciones atribuibles de la factores de riesgo
comunes para TME; cuanto mayor es la fracción atribuible, mayor es la potencial de
prevención al omitir el factor [31].
Tabla 1.2. Exposiciones relacionadas al trabajo y las fracciones atribuibles estimadas para trastornos en la espalda y extremidades superiores.
Factor de riesgo relacionado al
trabajo
Número
de
estudios
Rango de fracción atribuible (%) en
diferentes estudios
Trastornos lumbares
Manejo Manual de materiales 17 11-66
Flexión y torsión frecuentes 8 19-57
Carga física pesada 5 31-58
Postura de trabajo estática 3 14-32
Movimientos repetitivos 1 41
Vibración de cuerpo entero 11 18-80
Demanda laboral elevada 2 21-48
Monotonía 1 23
Bajo apoyo social en el trabajo 3 28-48
Baja satisfacción laboral 6 17-69
Alto estrés percibido 1 17
Trastornos de las extremidades superiores
Manejo manual de materiales 17 11-66
Repetición 3 53-71
Fuerza 1 78
Repetición y fuerza 2 88-93
Repetición y frío 1 89
Vibración 15 44-95
Fuente: [31]
1.4. SENSORES DE PROFUNDIDAD
Uno de los abordajes en el estudio del movimiento humano y sus aplicaciones es el uso de
técnicas basadas ondas ligeras como los sensores de tiempo de vuelo (ToF). Sin embargo,
con el lanzamiento de cámaras de profundidad RGB (RGB-D) como Kinect de Microsoft o
Asus Xtion, cuyo precio asequible, portabilidad, precisión hacen que su uso sea
conveniente en áreas de investigación relacionadas a la seguridad laboral, ergonomía [32].
13
Los sensores de profundidad son dispositivos capaces de producir una imagen, donde
cada píxel representa la distancia de un objeto que llegó a lo largo de del haz de luz a
través de ese píxel [32]. Su uso permite también detectar y hacer seguimiento de
movimientos del cuerpo humano sin el uso de marcadores.
1.4.1. MÉTODOS DE DETECCIÓN DE PROFUNDIDAD
Los métodos usados para crear imágenes de profundidad se encuentran resumidos en la
tabla 1.3. Específicamente el tipo de sensores a utilizar en este estudio (Kinect V2) emplean
la tecnología de tiempo de vuelo. En el caso de otros dispositivos como: su antecesor
Kinect V1 o Asus’s Xtion trabajan con luz estructurada infrarroja (IR).
Tabla 1.3. Comparación de los métodos de adquisición de imagen 3D.
Tecnología
Utilizada
Tiempo de Vuelo (ToF) Estéreo Visión Luz Estructurada
Infrarroja
Principio de
Funcionamiento
Pulso IR o laser, mide el
tiempo de tránsito de la luz.
Dos sensores 2D que
emulan los ojos
humanos.
Iluminación con
patrones IR, detecta
distorsión.
Complejidad del
Software
Baja Elevada Media
Costo Elevado Bajo Bajo
Precisión Elevada Baja Media
Despeño con
poca luz
Bueno Débil Bueno
Desempeño en
claridad
Medio bueno Medio
Consumo de
Energía
Medio Bajo Medio
Rango de
operación
> 60m Depende de la
separación del sensor
Limitado (10m)
Proyección 1D 2D 2D
Fuente: [32]
1.4.2. TECNOLOGÍA TIME OF FLIGHT (ToF)
Midiendo el tiempo absoluto que tarda la luz que viaja desde un emisor de luz a la superficie
del objetivo y siendo reflejado de nuevo al detector. Conocida la velocidad de la luz en un
entorno específico y el tiempo de vuelo, la distancia se puede calcular simplemente [33].
Este proceso se lleva a cabo iluminando la escena con una fuente calibrada de luz que
puede ser laser o un diodo (LED) [32]. En la figura 1.2. Se observa el esquema básico de
funcionamiento de este método.
14
Para la detección de cambios de fase entre iluminación y reflexión, la fuente de luz es
modulada por una fuente de onda continua (CW). La señal es típicamente sinusoidal o
cuadrada. La modulación de onda cuadrada es más común porque se puede realizar
fácilmente usando circuitos digitales [34].
Figura 1.2. Esquema de operación tecnología de tiempo de vuelo. (Fuente: [32])
1.4.3. TECNOLOGÍA DE LUZ ESTRUCTURADA INFRARROJA
Los sistemas de luz estructurada operan proyectando patrones conocidos sobre un sujeto
e inspeccionando el patrón de distorsión. Características conocidas del patrón inicial son
reconocidas en la imagen adquirida para triangular las demás características de
profundidad [32], [35]. En la figura 1.3. se observa la configuración geométrica de una
cámara de profundidad de luz estructurada. El proyector genera la característica F en la
escena con un ángulo 𝜙, la cámara mide el ángulo 𝜃 para triangular la posición de F en el
plano [32], [36].
Figura 1.3. Esquema de operación tecnología de luz estructurada infrarroja. (Fuente: [32])
15
1.5. SENSORES KINECT
Se trata de dispositivos que permiten manejar una consola de videojuegos y controlar sus
funcionalidades sin utilizar mandos. A través de la interacción con sus sistemas visuales.
Microsoft decidió desarrollarla para la videoconsola Xbox 360. Kinect es capaz de capturar
una cantidad increíble de datos. Siempre fijando su objetivo en las cosas que se mueven
en su entorno. Gracias al procesamiento de estos datos a través de una algoritmo de
inteligencia artificial y a métodos de aprendizaje de máquinas, Kinect puede llegar a
mapear los datos visuales que obtiene a través de sus sensores.[37]
Dos versiones de este dispositivo fueron desarrolladas, la primera apareció en 2010. Con
el lanzamiento del Xbox One en 2014 una segunda versión del Kinect se dio a conocer.
Ambas ofrecen las mismas funcionalidades, a continuación, se describe de manera
detallada sus características, con esta información se decidirá cuál es el más apto para el
estudio.
1.5.1. KINECT V1
Es la primera versión de Microsoft del sensor Kinect que apareció en noviembre de 2010,
es una cámara que posee dos sensores, uno para las imágenes a color (RGB) y otro para
evaluar la profundidad [38]. Este sistema opera mediante un proyector laser de luz
estructurada infrarroja. Presenta características como: bajo costo, tamaño compacto, y
capacidad de adquirir múltiples muestras de manera simultánea, además puede capturar
imágenes de color y profundidad a velocidad de vídeo en niveles de luz bajos y resolver
ambigüedades de silueta en posturas. Su funcionamiento no tiene diferencias en
comparación con cámaras de video, por lo que puede ser fácilmente operado por usuarios
no expertos [33]. Las características de las imágenes detectadas son: resolución de 640 x
480 pixeles en color, y 320 x 240 pixeles en profundidad. La frecuencia de grabación es de
30 cuadros por segundo (fps) [39].
Figura 1.4. Microsoft Kinect V1 y sus componentes. (Fuente: [21])
16
1.5.2. KINECT V2
El 15 de julio de 2014 Microsoft lanzó Kinect V2, con significativas mejoras en cuanto a la
precisión de medición de profundidad [40]. En comparación con v1, Kinect v2 utiliza un
método de tiempo de vuelo, que mediante sensores activos mide la distancia de una
superficie calculando el tiempo de ida y vuelta de un pulso de luz [33]. Las imágenes de
color capturadas de Kinect v2 tienen mejor calidad, con una resolución de 1920 x 1080
pixeles, en cuanto a las imágenes de profundidad 512 x 424 pixeles es su resolución. Los
datos son obtenidos a 30 fps [41].
1.5.3. COMPARACIÓN ENTRE DISPOSITIVOS KINECT V1 Y KINECT V2
El Kinect v2 se presenta como el sucesor de la primera versión del Kinect, en la tabla 1.4.
Se encuentran resumidas las características de mayor relevancia de ambos dispositivos,
información que permite establecer cual se adapta de mejor forma al estudio según sus
funcionalidades.
Tabla 1.4. Características de los sensores Kinect v1 y v2.
Característica Kinect V1 Kinect V2
Método de adquisición de datos Luz Estructurada ToF
Resolución color 640 x 480 pixeles 1920 x 1080 pixeles
Resolución profundidad 320 x 240 pixeles 512 x 424 pixeles
Frecuencia de grabación 30 fps 30 fps
Rango de profundidad 1,2 - 3,5 m 0,5 – 4,5m
Campo de visibilidad 57,5° x 43,5° 70° x 60°
Cuerpos detectados 2 6
Articulaciones detectadas 20 25
Tipo de conexión USB 2.0 3.0
Sistemas operativos Windows/Linux Windows/Linux
Software para desarrollador Kinect SDK OpenNI
Libfreenect
KinectSDK 2.0 OpenCV
Lenguaje de Programación C, C++, C# (Windows) C++, Java (Linux)
MATLAB
C, C++, C# (Windows) Java, C++ (Linux)
MATLAB
Costo 50 – 100 USD 150 – 200 USD
Fuente: [30], [32], [39], [41]
17
Figura 1.5. Sensor de profundidad Kinect en sus versiones V1 y V2. (Fuente: [37])
1.5.4. SELECCIÓN DE SENSOR DE PROFUNDIDAD
Los criterios de selección del sensor están relacionados con las condiciones del entorno y
del tipo de actividad a analizar. En el caso del baño de neonatos, este procedimiento se
realiza dentro del área de neonatología de un hospital, su ejecución implica que la
enfermera se mueva en su espacio de trabajo es conveniente establecer una distancia
entre 2 a 4 metros entre el sensor y la enfermera para evitar interferencias en el desempeño
de actividades. Conocidos estos lineamientos se ha optado por trabajar con el Kinect V2,
que ofrece un mayor número articulaciones detectadas 25 en total, un mejor rango de
profundidad de 0,5 a 4,5 m, una mejor calidad de imágenes con una resolución de 1920 x
1080 en color, y 512 x 424 en profundidad, además de un método de adquisición de datos
de mayor precisión como es el ToF.
El sensor tiene la capacidad de detectar hasta seis cuerpos. En las imágenes de color y
profundidad sobre los cuerpos que aparecen durante la fase de adquisición de datos de
seguimiento se dibuja un esqueleto que corresponde a la unión de los puntos que
representan 25 juntas o articulaciones del cuerpo humano como se observa en la Figura
1.6. Las articulaciones se muestran como puntos rojos, mientras que la unión de cada uno
de estos segmentos es un trazo también de color rojo. Es posible saber si las manos se
encuentran en posición abierta o cerrada, al detectar la apertura aparecerán círculos
verdes sobre ellas.
18
Figura 1.6. Juntas del cuerpo humano detectadas por Kinect V2 y sus identificaciones. (Fuente: [42])
La disposición de la matriz de posiciones es de 3 x 25 almacenando x, y, z de las 25 juntas.
El sistema coordenado utilizado por Kinect hace referencia a la regla de la mano derecha
de la siguiente forma [43]:
• El Origen (x=0, y=0, z=0) está localizado en el centro del sensor infrarrojo en el
Kinect.
• X incrementa hacia el lado izquierdo del sensor.
• Y incrementa hacia arriba del sensor, en este caso debe ser considerada la
inclinación.
• Z incrementa en la dirección en la que el sensor está mirando.
Figura 1.7. Coordenadas en el espacio del sensor Kinect v2. (Fuente: [44])
19
Es posible utilizar el sensor de profundidad Kinect V2 a través de un ordenador. Además
de la instalación de los paquetes de desarrollador diseñados por Microsoft específicamente
Kinect for Windows Software Developement Kit (SDK) y Kinect Runtime se requiere un
adaptador. En la figura 1.8 se esquematiza la conexión requerida. El desarrollo de
aplicaciones es posible gracias a la compatibilidad de las herramientas del SDK con
lenguajes de programación como C++, C#, entre otros.
Figura 1.8. Coordenadas en el espacio del sensor Kinect v2. (Fuente: [45])
El procesamiento de imágenes y visión artificial tienen requerimientos de hardware
característicos de ordenadores de arquitectura robusta. Estos se encuentran listados en la
tabla 1.5.
Tabla 1.5. Requerimientos de hardware para conexión Kinect V2 con computador.
Parámetro Requerimiento mínimo
Procesador 64-bits (x64)
Memoria RAM 4 GB
Sistema Operativo Windows 8
Conexión USB USB 3.0
GPU Tarjeta Gráfica con soporte DirectX 11
Fuente: [46]
1.6. ANÁLISIS DE MOVIMIENTO MEDIANTE FOTOGRMETRÍA
Sistemas de captura de movimiento basados en principios de fotogrametría han ganado
amplia aplicabilidad en los últimos años para aplicaciones que van desde el análisis clínico
de la marcha a la creación de personajes de video juegos. El cálculo rápido y robusto de la
trayectorias es de es de vital importancia para proporcionar un rendimiento óptimo en la
recuperación de los parámetros de análisis de movimiento a través de sistemas
videométricos en tiempo real de múltiples cámaras [47]. La fotogrametría computarizada
es considerada como una herramienta efectiva y confiable en la evaluación, análisis y
20
cuantificación de cambios posturales. En la actualidad existen varios sistemas de análisis
de movimiento mediante esta técnica [48]. Para este estudio se utiliza el sistema
desarrollado por el Instituto de Biomecánica de Valencia “Kinescan”.
1.6.1. KINESCAN
Kinescan/IBV es un sistema de análisis de movimientos en tiempo real basado en la
tecnología de fotogrametría vídeo 3D. Kinescan/IBV está diseñado para registrar los
movimientos humanos y realizar el análisis cinemático de los mismos a partir de la
información del movimiento de los marcadores utilizados [49]. El sistema utiliza cámaras
infrarrojas IR que son sensibles únicamente a la longitud de onda correspondiente y por
este motivo, en esta configuración, solo son sensibles a la imagen de los marcadores
reflectantes. La detección de estos es posible bajo condiciones de luz controladas. La
frecuencia de adquisición se puede configurar desde un mínimo de 30 fps hasta un máximo
de 250 fps [49]. En la tabla 1.6. se resumen las características de las cámaras.
Tabla 1.6. Características de las cámaras utilizadas por el sistema Kinescan/IBV.
Parámetro Especificación
Resolución 832(H) x 832(V) pixeles
Velocidad de Obturación Regulable de 10 a 1000 µs
Distancia Focal 5 mm o 8mm
Fuente: [49]
Figura 1.9. Cámara Infrarroja del sistema Kinescan/IBV. (Fuente: Propia)
Para llevar a cabo un análisis fotogramétrico es necesario instrumentar al individuo
colocando marcadores en puntos anatómicos de interés para luego grabar las secuencias
de movimiento usando cámaras de fotogrametría [48]. Los marcadores son objetos
esféricos reflectantes que al ser detectados por las cámaras se puede medir su posición
en el tiempo. El registro y análisis de movimiento con Kinescan requiere definir un modelo
21
que permita representar el sistema que se evalúa, y extraer la información de los
marcadores utilizados.
Figura 1.10. Marcadores del sistema Kinescan/IBV. (Fuente: Propia)
El cuerpo humano puede ser modelado como un sistema de segmentos, sólidos rígidos o
no y articulados entre sí o no. Además, cualquier otro elemento cuya posición o movimiento
se desee analizar utilizando Kinescan/IBV, también ha de ser modelado de la misma forma
[50]. Pueden ser definidos segmentos representan segmentos corporales, sistemas de
referencia articulares, elementos móviles, elementos fijos en el espacio de análisis y
sistemas de referencia fijos en el espacio. Cada segmento está constituido por puntos, y
todos los puntos de un modelo han de estar incluidos en, al menos, un segmento. El
número máximo de puntos de un modelo es de 255 [50].
Figura 1.11. Estructura general de un modelo de análisis con Kinescan/IBV. (Fuente: [50])
22
La calidad de la grabación de las imágenes a analizar influye tanto en la efectividad de la
aplicación Kinescan/IBV durante el análisis automático de estudios, como en la precisión
de los resultados obtenidos. Para que el análisis de movimiento en 3D se realice con la
máxima precisión es necesario observar un ángulo entre las cámaras que esté
comprendido entre los 60º y los 120º y cada marcador debe ser visto por al menos 3
cámaras [49]. El equipo de fotogrametría ubicado en el Laboratorio de Bioingeniería de la
EPN dispone de seis cámaras.
El análisis de las escenas consiste en el reconocimiento de las coordenadas de los puntos
de control (marcadores) para cada una de las cámaras. De esta manera se obtiene un
conjunto discreto de coordenadas posicionales de estos puntos distribuidas uniformemente
en el tiempo [49]. Basado en tecnología vídeo digital que permite la digitalización de la
imagen realizada en cada uno de los elementos de captura de la escena, Kinescan/IBV
calcula las posiciones de los segmentos corporales de forma totalmente automática y en
tiempo real, permitiendo al usuario disponer de los datos relativos a las posiciones de
puntos, segmentos corporales y articulaciones, así como las variables cinemáticas y
cinéticas derivadas inmediatamente después de la realización del gesto [51].
Figura 1.12. Digitalización de una escena adquirida con Kinescan/IBV. (Fuente: [51])
23
El sistema posibilita el cálculo de variables como:
• Variables lineales (posición, velocidad, aceleración)
• Variables angulares (ángulo, velocidad angular, aceleración angular)
• Distancias entre marcadores
• Movimientos de traslación y rotación de segmentos
• Centros de gravedad de segmentos corporales
• Energías (potencial, cinética de rotación, traslación y total)
1.7. MÉTODO DE EVALUACIÓN ERGONÓMICA REBA
La metodología de evaluación REBA (Rappid Entire Body Assessment) desarrollada por
Hignett y Mc Atamney es una herramienta de campo diseñada para ser sensible al tipo de
posturas de trabajo impredecibles que aparecen en la atención médica u otras industrias
de servicios [52].
La evaluación sistemática del riesgo postural del cuerpo entero mediante REBA implica: la
división del cuerpo en segmentos a los que suministra un sistema de puntuación en función
de una serie de postura estáticas, dinámicas, repetitivas, inestables, etc. En función de la
puntuación obtenida, indica un nivel de riesgo y su correspondiente nivel de acción para
cada postura analizada [6]. REBA a diferencia de RULA (Rappid Upper Limb Assessment)
se centra en el trabajo intensivo de todo el cuerpo. Sin embargo, de forma similar a RULA,
se analiza una postura específica que se produce durante la tarea de trabajo para
proporcionar una puntuación general. Las mismas seis regiones del cuerpo son
consideradas, pero adicionalmente se tiene en cuenta los acoplamientos y las
empuñaduras. Los puntos se agregan para las condiciones que empeoran la naturaleza de
la postura, y los puntos también se pueden restar si algo contribuye a disminuir el impacto
de carga de la postura (tales como posturas asistidas por gravedad) [53].
1.7.1. DESARROLLO DEL MÉTODO REBA
Adicional a la caracterización del cuerpo por regiones de REBA, los cuales pertenecen a
dos grupos: A y B. El grupo A contiene a los segmentos cabeza, tronco y piernas, mientras
que brazos, antebrazos y muñecas están comprendidos en el grupo B.
El grupo A tiene un total de 60 combinaciones de posturas para el tronco, el cuello y las
piernas. Esto reduce a nueve puntuaciones posibles a las que se agrega una puntuación
de Carga/Fuerza. El Grupo B tiene un total de 36 combinaciones de posturas para los
brazos, antebrazos y muñecas, reduciendo a nueve puntuaciones posibles a las que se
añade una puntuación de acoplamiento. Las puntuaciones A y B se combinan para dar un
24
total de 144 combinaciones posibles, y finalmente se agrega una puntuación de actividad
para dar la puntuación REBA final [52]. En la figura 1.13. se resume el desarrollo del método
REBA.
Figura 1.13. Desarrollo del método REBA. (Fuente: [54])
Los lados izquierdo y derecho del cuerpo no pueden ser evaluados de manera simultánea.
De acuerdo con la complejidad de las posturas, los tiempos de permanencia y las cargas
de fuerza se debe determinar que tareas evaluar y si se incluirá un solo lado del cuerpo o
ambos.
1.7.2. SEGMENTOS GRUPO A
• Evaluación Tronco
La puntuación de este segmento toma valores de 1 a 5. En el caso de haber correcciones
se añadirá el valor de 1. Se evalúa el ángulo de flexión o extensión del tronco con respecto
a la vertical como se observa en la figura 1.14. en conjunto con los ajustes de torsión o
flexión lateral del tronco o la espalda mostrados en la figura 1.15.
Figura 1.14. Posiciones y puntajes considerados para la evaluación del tronco con REBA. (Fuente: [54])
25
Figura 1.15. Ajustes por torsión y flexión lateral considerados para la evaluación del tronco con REBA.
(Fuente: [54])
• Evaluación Cuello
La puntuación de esta sección tendrá valores de 1 a 3, se evalúa la flexión o extensión del
cuello. En el caso de detectar rotación o flexión lateral se deberá sumar 1 como valor de
ajuste al puntaje.
Figura 1.16. Posiciones para valoración considerados para la evaluación del cuello con REBA. (Fuente: [54])
Figura 1.17. Ajustes por torsión/flexión lateral considerados para la evaluación del cuello con REBA.
(Fuente: [54])
26
• Evaluación Piernas
El rango de puntuación de esta región del cuerpo está entre 1 y 4. Se toma en cuenta el
tipo de apoyo existente en las piernas (bilateral o unilateral), los valores de corrección
corresponden a la flexión de rodilla en rangos de 30 a 60° se deberá sumar 1 al valor parcial
de puntuación. Para flexión mayor a 60° se sumará 2 al puntaje obtenido.
Figura 1.18. Posiciones para valoración de tipo de apoyo (bilateral o unilateral) considerados para la evaluación de piernas con REBA.
(Fuente: [54])
Figura 1.19. Ajustes por flexión de rodilla considerados para la evaluación de piernas con REBA. (Fuente: [54])
27
1.7.3. SEGMENTOS GRUPO B
• Evaluación Brazos
La puntuación de la posición del brazo estará entre 1 a 6. La puntuación se basa en el
grado de flexión o extensión del hombro, junto con cualquier ajuste para el hombro cuando
se eleva y / o abduce [55]. Por otra parte, se considera una circunstancia que disminuye el
riesgo, disminuyendo en tal caso la puntuación inicial del brazo, la existencia de puntos de
apoyo para el brazo o que éste adopte una posición a favor de la gravedad [54].
Figura 1.20. Posiciones para valoración considerados para la evaluación del brazo con REBA (Fuente: [54])
Figura 1.21. Ajustes por elevación, abducción/aducción de hombro considerados para la evaluación de brazo con REBA
(Fuente: [54])
• Evaluación Antebrazos
28
Se evalúa el ángulo de flexión del brazo con puntuaciones que van de 1 a 2, en esta sección
no se considera correcciones.
Figura 1.22. Grado de flexión de antebrazo considerado para la evaluación con REBA. (Fuente: [54])
• Evaluación Muñecas
Al evaluar la posición de la muñeca se considera la flexión o extensión como movimientos
principales, con puntajes entre 1 a 3. En cuanto a correcciones, la desviación radial o cubital
o torsión representan incrementos en 1 al puntaje obtenido.
Figura 1.23. Posiciones en flexión/extensión para valoración considerados para la evaluación de muñeca con REBA.
(Fuente: [54])
29
Figura 1.24. Ajustes por desviación radial/cubital o torsión considerados para la evaluación de muñeca con REBA.
(Fuente: [54])
1.7.4. EVALUACIÓN GRUPO A Y B
Las puntuaciones obtenidas pertenecientes cada segmento en su respectivo grupo deben
ser localizadas en la figura 1.25. para el grupo A, y en la figura 1.26. para el grupo B para
obtener los valores de puntuación global.
Figura 1.25. Tabla de puntuación del grupo A. (Fuente: [54])
Figura 1.26. Tabla de puntuación del grupo B. (Fuente: [54])
1.7.5. PUNTUACIÓN PARCIAL
Las puntuaciones globales de los Grupos A y B consideran la postura del trabajador. A
continuación, se valorarán las fuerzas ejercidas durante su adopción para modificar la
puntuación del Grupo A, y el tipo de agarre de objetos para modificar la puntuación del
Grupo B [54].
30
Para la valoración de fuerzas ejercidas se debe conocer el peso de las cargas que soporta
el evaluado y si estas son aplicadas de manera brusca. En las tablas 1.7. Y 1.8. Se
muestran los incrementos que deben ser utilizados y en qué condiciones para obtener la
Puntuación A.
Tabla 1.7. Incremento de puntuación del Grupo A por carga o fuerzas ejercidas.
Carga o Fuerza Puntuación
Carga o fuerza menor de 5 Kg. 0
Carga o Fuerza entre 5 y 10 Kg. +1
Carga o fuerza mayor de 10 Kg. +2
Fuente: [54]
Tabla 1.8. Incremento de puntuación del Grupo A por cargas o fuerzas bruscas.
Carga o Fuerza Puntuación
Existen fuerzas o cargas aplicadas bruscamente +1
Fuente: [54]
En cuanto a la puntuación B se considera la calidad del agarre de objetos. En la tabla 1.9.
Se muestra los incrementos en la puntuación de acuerdo con el tipo de agarre y su calidad,
la figura 1.27. ejemplifica y describe cada uno de ellos.
Tabla 1.9. Incremento de puntuación del Grupo A por cargas o fuerzas bruscas.
Calidad de
agarre
Descripción Puntuación
Bueno El agarre es bueno y la fuerza de agarre de rango medio 0
Regular El agarre es aceptable pero no ideal o el agarre es aceptable
utilizando otras partes del cuerpo
+1
Malo El agarre es posible pero no aceptable +2
Inaceptable El agarre es torpe e inseguro, no es posible el agarre manual
o el agarre es inaceptable utilizando otras partes del cuerpo
+3
Fuente: [54]
31
Figura 1.27. Ejemplos de agarres y su calidad. (Fuente: [54])
1.7.6. PUNTUACIÓN FINAL
Los valores de A y B obtenidos anteriormente deben ser utilizados en la tabla de la figura
1.28. para obtener la puntuación C.
Figura 1.28. Tabla de puntuación del grupo C. (Fuente: [54])
La puntuación C final considera adicionalmente incrementos de acuerdo con el tipo de
actividad muscular mostrados en la tabla 1.10. Los tres tipos de actividad considerados por
el método no son excluyentes y por tanto la Puntuación Final podría ser superior a la
Puntuación C hasta en 3 unidades [54].
32
Tabla 1.10. Incremento de puntuación del Grupo C por tipo de actividad muscular.
Tipo de actividad muscular Puntuación
Una o más partes del cuerpo permanecen estáticas, por ejemplo, soportadas
durante más de 1 minuto
+1
Se producen movimientos repetitivos, por ejemplo, repetidos más de 4 veces
por minuto (excluyendo caminar)
+1
Se producen cambios de postura importantes o se adoptan posturas
inestables
+1
Fuente: [54]
1.7.7. NIVELES DE ACTUACIÓN
En función de la puntuación obtenida, un nivel de riesgo y su correspondiente nivel de
actuación para cada postura analizada son obtenidos. En la figura 1.29. Se observan los
posibles niveles de actuación, donde a mayor puntuación REBA mayor será el riesgo del
trabajador.
Figura 1.29. Niveles de Actuación según la puntuación final REBA. (Fuente: [54])
33
2. METODOLOGÍA
Las metodologías desarrolladas para llevar a cabo estudios de ergonomía y valoración
funcional del tipo observacional están fundamentadas en el análisis de la postura, en el
análisis biomecánico, o en la combinación de factores medioambientales. Los métodos de
evaluación de ergonómica basados en la postura utilizan escalas de puntuación para
identificar riesgo en áreas de interés. Típicamente, cuanto más se desvía el cuerpo de la
posición neutral, peor es la postura de trabajo, lo que resulta en una puntuación más alta.
A pesar de la rapidez y facilidad con la que se aplican están basados únicamente en
observaciones, haciéndolos vulnerables a la interpretación [53]. Métodos como: REBA,
RULA, OWAS pertenecen a esta clasificación.
Para la evaluación de riesgo ergonómico en enfermeras durante el baño de un neonato, en
este estudio se utiliza la metodología de análisis postural REBA en combinación con
sensores de profundidad Kinect como instrumentos de medición. La localización en el
espacio de puntos correspondientes a las articulaciones y juntas del cuerpo humano
permite el cálculo de los parámetros requeridos por REBA reduciendo así su subjetividad.
Se comprobó validez de la información proporcionada por los sensores de profundidad
mediante un proceso comparativo usando fotogrametría como técnica de análisis de
movimiento considerando también la influencia del posicionamiento de los sensores
durante la toma de datos.
2.1. ESTABLECIMIENTO DE PARÁMETROS PARA SELECCIÓN
DE POSICIONES DE RIESGO EN EL SITIO DE TRABAJO
De acuerdo con Wilhelmus & Johanssons [56], al momento de identificar exposiciones
ergonómicas en el puesto de trabajo y su nivel de riesgo, tres indicadores son
determinantes (intensidad, frecuencia y duración). Los indicadores mencionados tienen
relación directa con la postura y producción de fuerza, movimientos repetitivos, trabajo
estático respectivamente.
En la tabla 2.1. se muestran los riesgos asociados a cada uno de los indicadores clave
empleados para analizar los TMEAT (Trastornos Músculo Esqueléticos Asociados al
Trabajo) en conjunto con las mediciones requeridas para llevar a cabo dicho análisis.
34
Tabla 2.1. Clasificación de la carga biomecánica en los tres indicadores clave (Intensidad, Frecuencia y Duración) de los riesgos ergonómicos de los WRMSDS (Trastornos Músculo Esqueléticos Asociados al Trabajo)
Indicadores clave
Condiciones de riesgo
Mediciones requeridas Trastornos musculoesqueléticos
asociados
I: Intensidad Manejo manual de carga
Fuerza aplicada en [Kg] o [N]
Lesiones en vertebras y discos, lesiones en tendones y músculos
Posturas forzosas Ángulos de segmentos críticos
F: Frecuencia
Tareas repetitivas Tiempo del ciclo Daños en tendones y músculos.
Manejo manual de carga
D: Duración Trabajo estático Tiempo de permanencia en una posición
Daños en tendones y músculos.
Posturas Forzosas Número de pausas requeridas y ángulos de
segmentos críticos
Fuente: [56]
2.1.1. CONSIDERACIONES PARA EL ANÁLISIS DE FACTORES DE RIESGO
ERGONÓMICO
El propósito de identificar factores de riesgo previo a la aplicación de la metodología de
evaluación propuesta es establecer un marco de referencia que permita analizar la tarea
más crítica encontrada en la actividad de baño de neonatos.
Dentro de la valoración del riesgo ergonómico de acuerdo con el estudio realizado por
Wilhelmus & Johanssons [56], es recomendable considerar cuatro pasos que incluyen:
1. Definir todas las tareas involucradas en una actividad.
2. Establecer un orden de las tareas de acuerdo con su duración, o al nivel de
gravedad de los posibles problemas ergonómicos hallados.
3. Considerando los criterios de intensidad frecuencia y duración evaluar cada una
de las tareas que forman parte de la actividad a analizar.
4. Seleccionar la secuencia más crítica.
Existen varios métodos para identificar las tareas que forman parte de una actividad, pero
el AJT (Análisis Jerárquico de Tareas) es un método recomendable para este
procedimiento de asignación [57]. Los criterios utilizados para definir las tareas se
encuentran resumidos en la tabla 2.2.
35
Tabla 2.2. Consideraciones para la definición de tareas que intervienen en una actividad.
Elemento Preguntas
Actividad ¿Está claramente definida? ¿Está diferenciada? ¿Define el objetivo del comportamiento?
Estándares de Desempeño ¿Está la cantidad o calidad del desempeño especificada? (ej., velocidad, precisión, errores, etc.)
Condiciones ¿Están las condiciones bajo las cuales se lleva a cabo la actividad descritas? (ej., entorno, herramientas, materiales, etc.)
Fuente: [57]
El uso de recursos digitales como videos y fotografías permiten caracterizar de mejor forma
los parámetros establecidos para seleccionar la secuencia más crítica dentro de una
actividad. Los registros de video de la actividad del baño de neonatos serán tomados desde
un plano lateral a la enfermera durante el baño de un neonato procurando enfocar el cuerpo
en su totalidad. De esta forma es posible extraer mediante fotogramas e identificar las
posiciones poco confortables, su frecuencia y duración.
2.1.2. SELECCIÓN DE POSICIONES DE RIESGO
Se ha tomado como referencia dos videos donde efectúa el baño de un neonato. Esta
información ha sido documentada en el área de neonatología del hospital del IESS en la
ciudad de Ibarra. Al analizar los videos, en un primer plano se pudo identificar las
diferencias existentes en el diseño de las estaciones de trabajo. Este aspecto posee
importante relevancia al momento de seleccionar la secuencia más crítica en las tareas de
una actividad, dado que la altura de la tina de baño, la forma y disposición de la llave de
agua tienen influencia en los rangos de movimiento que debe efectuar la enfermera al
momento de bañar al bebé. En la figura 2.1 a) se puede observar que la llave de agua
instalada es de menor altura y diferente forma que en b). Tomando en cuenta estas
consideraciones se decidió extraer información de la enfermera correspondiente a la figura
2.1 a) donde se evidenció una flexión de tronco mayor durante todo el movimiento.
Haciendo uso de los criterios de la metodología AJT se encontró cuatro tareas claramente
definidas, diferenciadas y desempeñadas en periodos de tiempo específicos. En la Tabla
2.3. se describe en detalle cada una de las tareas.
36
Figura 2.1. Enfermeras efectuando el baño de un neonato. (Fuente: Propia)
Tabla 2.3. Consideraciones para la definición de tareas que intervienen en una actividad.
Tarea Descripción
Preparación De pie, con una ligera flexión de tronco, con la mano derecha la
enfermera abre la llave de agua y coloca shampoo al bebé el cual es
sostenido en su brazo izquierdo.
Lavado de Cabeza Se realiza una flexión de tronco, seguido de una extensión del brazo
que carga al bebé para acercarlo a la llave de agua, finalmente se
realiza una flexión del codo derecho y con la muñeca se procede a
enjuagar la cabeza del neonato.
Lavado de Cuerpo Luego de cambiar la posición del bebé, se realiza una flexión de tronco
seguido de una extensión de brazo para acercarlo al agua. Finalmente,
mediante una flexión de brazo derecho, una abducción de codo y el
movimiento de la muñeca se lava el cuerpo del bebé
Secado La enfermera adopta una posición erguida, llevando al bebé hacia su
pecho. Con el brazo derecho acerca una toalla para cubrirlo, secarlo y
finalmente se traslada para depositarlo en una de las cunas.
Fuente: Propia.
Adicionalmente se decidió utilizar el formulario de “Valoración e Identificación de Factores
de Riesgo Ergonómicos” del IBV (Instituto de Biomecánica de Valencia) [58] como
herramienta para disgregar y organizar la información de riesgo correspondiente a cada
tarea como se muestra en la tabla 2.4.
37
Tabla 2.4. Identificación de factores de riesgo en las tareas del baño de neonatos.
Tarea
Frecuencia / Tiempo de ciclo
Fuerza Posturas Forzadas
Postura estática >30seg
Otros riesgos
Causas / Comentarios
Le
va
nta
mie
nto
s
Em
puje
/arr
astr
e
s
Otr
o
s
Fle
xió
n
Giro
s
Alc
an
ce
s
Otr
o
s
1 Preparación del neonato para el baño
25s X X X NO Ver figura 2.2. (a)
2 Lavado de la cabeza del neonato
59s X X SI Postura estática prolongada/Espacio de trabajo inadecuado
Ver figura 2.2. (b)
3 Lavado del cuerpo del neonato
45s X X SI Flexión de tronco + Manejo de carga + Postura estática
Ver figura 2.3. (a)
4 Secado 35s X X X NO Ver figura 2.3. (b)
Fuente: Propia.
Figura 2.2. (a) Tarea de preparación del baño de neonatos, (b) Tarea de lavado de cabeza del neonato.
(Fuente: Propia)
38
Figura 2.3. Tarea de lavado de cuerpo del neonato, (b) Tarea de secado del cuerpo del neonato. (Fuente: Propia)
2.2. ADQUISICIÓN DE DATOS
El proceso de adquisición de datos fue diseñado para la validación del sensor y para el
análisis de riesgo ergonómico. Se llevo a cabo en el laboratorio de biomecánica de la
Escuela Politécnica Nacional utilizando de manera simultánea los sensores de profundidad
Kinect y el sistema de fotogrametría Kinescan. En la primera instancia la información
recopilada permitió evaluar el desempeño del sensor como instrumento de medida al
momento de determinar posiciones de las articulaciones a través de los ángulos de los
segmentos calculados durante la ejecución de la actividad de interés. Además, se
consideró dos arreglos de posicionamiento de los Kinect, el primero a 30° a la derecha y
30° a la izquierda del sujeto observado, el segundo colocando los sensores a 30° a la
derecha y de manera frontal a 90°.
En el segundo caso los datos adquiridos son los que se procesan para la obtener el riesgo
ergonómico y consideran el mejor posicionamiento de los sensores obtenido también en la
validación.
La localización de las cámaras y del participante fue estudiada de manera previa para
reducir la aparición de fenómenos de oclusión con Kinect, y evitar pérdida de marcadores
con Kinescan. Esto principalmente en caderas, codos y muñecas durante la reproducción
de la actividad específicamente en la flexo-extensión de tronco y abducción de codos. El
montaje de los Kinect se realizó sobre trípodes a una altura de 1 metro, a una distancia de
39
2 metros respecto al participante quién deberá reproducir las actividades a analizar de
acuerdo con los protocolos establecidos.
Figura 2.4. Posicionamiento de los sensores Kinect en el laboratorio. (Fuente: Propia)
Como primer paso se evaluó la posición del sujeto dentro del espacio establecido como
sistema de referencia del laboratorio de tal forma que se puedan detectar todos los
marcadores. A continuación, utilizando un goniómetro y utilizando como eje de referencia
la posición anteriormente seleccionada se fijó la ubicación de los sensores a 30, 60 y 90°.
Siendo las mejores 30° y 90°.
Figura 2.5. Posicionamiento de los sensores y verificación de detección de marcadores. (Fuente: Propia)
40
Figura 2.6. Detección de juntas con sensores Kinect en diferentes posiciones. (Fuente: Propia)
Un modelo es una representación teórica del objeto-sistema en estudio que permite
simular, reproducir y analizar su comportamiento real de forma aproximada. La mayor o
menor precisión dependerá de las hipótesis simplificativas utilizadas [49]. El modelo
anatómico establecido para este estudio en la validación y evaluación de riesgo es análogo
al presentado por Kinect. Inicialmente se planteó utilizar los 25 puntos articulares
disponibles, pero debido a la prevalencia de inconvenientes como: la oclusión,
superposición y pérdida de puntos durante el proceso de digitalización en los dedos medio
y pulgar se decidió simplificar el modelo y removerlos, reduciéndolos a 21. El ángulo de
flexión extensión de muñeca tampoco será considerado. Finalmente, durante el
procesamiento de datos este parámetro será considerado de ingreso manual.
Figura 2.7. Problemas en el seguimiento y detección de puntos de muñecas y dedos. (Fuente: Propia)
41
Con el fin de simular el movimiento de manera más real se utilizó un muñeco con
características similares en dimensiones y peso a las de un bebé específicamente 2.4 kg
cuya presencia no es detectada por los sensores de profundidad ni las cámaras de
fotogrametría.
2.2.1. SELECCIÓN DE LA MUESTRA
Se seleccionaron 5 participantes jóvenes (4 mujeres y 1 Hombre) de edad comprendida
entre 20 y 45 años que no presenten lesiones o dolores a nivel muscular u óseo.
2.2.2. INSTRUMENTACIÓN DE LOS PARTICIPANTES
Para la extracción de información de posición de los puntos establecidos se utilizó 26
marcadores reales ubicados en las referencias anatómicas recomendadas por la Sociedad
Internacional de Biomecánica en [59], [60]. En la tabla 2.5. y la figura 2.8. se especifica la
localización de los marcadores reales en el cuerpo del participante.
Tabla 2.5. Localización de marcadores reales en el cuerpo del participante.
Segmento Junta Localización anatómica de los marcadores
Tren superior Cuello 3 Primera vértebra cervical (Atlas C1)
Espina dorsal 21_C7 Séptima vértebra cervical (C7)
21_IJ Incisura yugular
Cabeza 4A, 4B Trago derecho e izquierdo
Hombros 9, 5 Acromio derecho e izquierdo
Codos 10, 6 Epicóndilo lateral derecho e izquierdo
Muñecas 11, 7 Estiloide cubital derecho e izquierdo
Manos 12, 8 Nudillo dedo medio derecho e izquierdo
Columna media 2_T8 Octava vértebra torácica (T8)
Tren Inferior Cadera 17,13 Trocánter derecho e izquierdo
Rodilla 18A, 18B Cóndilo lateral derecho
Tuberosidad tibial derecha
14A, 14B Cóndilo lateral izquierdo
Tuberosidad tibial izquierda
Tobillo 19A, 19B Maléolo lateral derecho
Maléolo medial derecho
15A, 15B Maléolo lateral izquierdo
Maléolo medial izquierdo
Pie 20, 16 Empeine derecho e izquierdo
Fuente: Propia
42
Figura 2.8. Localización en el cuerpo de los marcadores implementados en el modelo. (Fuente: Propia)
2.2.3. PROTOCOLO DE ADQUISICIÓN DE DATOS
La frecuencia de grabación de Kinescan se redujo a 30Hz para realizar el muestreo en
condiciones iguales a las disponibles con los sensores Kinect. Con el propósito de evitar
problemas de digitalización por pérdida de marcadores se estableció una posición
anatómica característica para el inicio de la actividad. Dicha postura se mantiene durante
5 segundos al iniciar la grabación y se la adopta nuevamente 5 segundos antes de
terminarla.
Figura 2.9. Posición anatómica. (Fuente: Propia)
43
Los datos para la validación se obtuvieron al reproducir la tarea de lavado de cuerpo de un
neonato, su ejecución se realizó de tres formas diferentes que incluyen simular el
movimiento solo del brazo izquierdo, solo del brazo derecho, y el movimiento completo
usando un bebé. Un participante voluntario fue quien reprodujo cada uno de ellos, cada
secuencia fue reproducida en tres ocasiones, el tiempo de duración de cada escena fue 30
segundos. En la tabla 2.6. se describe la secuencia de cada uno de los movimientos.
Tabla 2.6. Descripción de movimientos analizados para la validación.
Movimiento Descripción
Movimiento baño, solo brazo
izquierdo
• Adoptar la posición anatómica.
• Flexionar el tronco aproximadamente a 45° y flexionar
ligeramente el brazo izquierdo (30°).
• Flexionar el codo izquierdo aproximadamente 90° y
abducirlo.
• Mantener el brazo derecho en posición neutral.
Movimiento baño, solo brazo
derecho
• Adoptar la posición anatómica
• Flexionar el tronco aproximadamente a 45° y flexionar
ligeramente el brazo derecho (30°)
• Flexionar el codo derecho aproximadamente 100° y
abducirlo.
• Mantener el brazo izquierdo en posición neutral.
Movimiento completo con bebé • Tomar al bebé y adoptar la posición anatómica
• Flexionar el tronco aproximadamente a 45°.
• Partiendo de una posición neutral del hombro y el codo
completamente en extensión, efectuar una flexión de
30° de los brazos izquierdo y derecho seguido de una
abducción de codo manteniéndolo flexionado a 90° en
el lado izquierdo y 100° en el lado derecho.
• Durante todo el movimiento mantener una ligera flexión
y rotación del cuello dirigiendo la mirada hacia él bebe.
• La posición de las piernas debe ser neutral con apertura
a nivel de los hombros y evitando la flexión de rodillas.
Fuente: Propia.
El proceso de adquisición de datos para la fase de evaluación de riesgo ergonómico
consideró los resultados de la validación, específicamente el número de sensores, su
ubicación. Se utilizo el segundo arreglo propuesto con un sensor frontal y uno a 30° a la
derecha del participante. Todos los participantes simularon la tarea de lavado de cuerpo
durante el baño del neonato en tres ocasiones cada una con 50 segundos de duración.
44
Siendo así tanto para la validación como para la evaluación de riesgo los pasos a seguir
son los siguientes:
1. Posicionarse en el espacio seleccionado para la grabación.
2. Adoptar posición anatómica
3. Verificar detección de marcadores en Kinescan
4. Iniciar grabación
5. Reproducir secuencia seleccionada
6. Volver a la posición anatómica
7. Finalizar la grabación
2.2.4. ADQUISICIÓN DE DATOS CON KINECT
Para acceder a la información que proporciona el sensor Kinect V2 a través de un
ordenador es necesario utilizar las herramientas de desarrollador Kinect for Windows
Software Development KIT (SDK), y el Kinect for Windows Runtime. La Versión empleada
en ambos casos fue la 2.0.1410.19000.
La adquisición y procesamiento de imágenes desde MATLAB requiere también la
instalación de componentes adicionales como el Image Acquisition Toolbox Support
Package for Kinect For Windows Sensor y el Kinect 2 Interface for Matlab (Kin2) en sus
versiones 18.2.0 y 3.2.2.0 respectivamente.
El toolbox Kin2 desarrollado por J.R. Terven, D.M. Córdova-Esparza. [61]. En su mayoría
fue desarrollado en C++ y enlazado con MATLAB desde la función mex. Esta herramienta
permite el desarrollo de aplicaciones de investigación en MATLAB a partir de la adquisición
de imágenes, mapeo de coordenadas, seguimiento corporal, procesamiento facial, y
reconstrucción 3D sin necesidad de profundizar en leguajes de programación como C# o
C++.
Los datos requeridos para su posterior procesamiento fueron adquiridos utilizando el
recurso bodydemo que forma parte del toolbox Kin2 disponible en [62] al cual se le
implementó un contador que permite almacenar la información de posicionamiento de las
articulaciones en cada fotograma dentro de una matriz de nombre “M” durante el periodo
de grabación. Dentro del mismo para realizar el seguimiento esquelético de cuerpos y
dibujarlo sobre ellos se usan las funciones mostradas en la tabla 2.7.
45
Tabla 2.7. Principales funciones de Matlab empleadas para el seguimiento esquelético.
Función de Matlab Resultado
Kin2(’color’,’depth’,’body’) Permite crear un objeto con la
capacidad buscar datos a manera de
frames (Cuadros) en color y
profundidad con información de
seguimiento corporal.
k2.getBodies Obtiene la información de los cuerpos,
la cual incluye: posición, estado de
seguimiento, estado de las manos
(abierta o cerrada).
k2.mapCameraPoints2Depth(bodies(1).Position’)
k2.mapCameraPoints2Color(bodies(1).Position’)
Permite asignar el modo de
visualización de la posición de las
articulaciones detectadas en color o
profundidad. Muestra la matriz de
posiciones 3x25 de cada frame.
k2.drawBodies(d.ax,bodies,’depth’,5,3,15) Dibuja el esqueleto sobre los cuerpos,
en las imágenes de color y
profundidad, es posible controlar los
siguientes parámetros:
1. Ejes de la imagen.
2. Estructura de los cuerpos
3. Imagen de destino.
"profundidad" o "color".
4. Tamaño de las articulaciones.
5. Grosor de los huesos.
6. Tamaño de las manos.
Fuente: [43]
Figura 2.10. Imagen de Profundidad de seguimiento esquelético obtenida con Matlab. (Fuente: Propia)
46
Las matrices obtenidas por los Kinect tienen una dimensión de 𝑛 × 25 donde 𝑛 representa
el número de cuadros adquiridos y la posición de las 25 juntas disponibles en cada uno de
los ejes (x, y, z) y se almacenan en un archivo de extensión *.mat. En el modelo definido
para el Kinect V2 permite las juntas están organizadas de la siguiente forma.
Tabla 2.8. Características de las imágenes del Kinect V2.
Nomenclatura de Juntas Detectadas por Kinect V2
Número de Junta Referencia Número de Junta Referencia
1 Coxis 14 Rodilla Izquierda
2 Espina Media 15 Tobillo Izquierdo
3 Cuello 16 Pie Izquierdo
4 Cabeza 17 Cadera Derecha
5 Hombro Izquierdo 18 Rodilla Derecha
6 Codo Izquierdo 19 Tobillo Derecho
7 Muñeca Izquierda 20 Pie Derecho
8 Mano Izquierda 21 Espina Dorsal
9 Hombro Derecho 22 Dedo Medio Izquierdo
10 Codo Derecho 23 Pulgar Izquierdo
11 Muñeca Derecha 24 Dedo Medio Derecho
12 Mano Derecha 25 Pulgar Derecho
13 Cadera Izquierda
Fuente: [63]
Figura 2.11. Juntas detectadas por el sensor Kinect a través de Kin 2 y sus identificaciones. (Fuente: [30])
47
2.2.5. ADQUISICIÓN DE DATOS CON KINESCAN
El modelo establecido se implementó desde un estudio en el software de fotogrametría
Kinescan donde se define los segmentos, puntos y conexiones que forman parte de este.
En las figuras 2.12 y 2.13 se observa los segmentos correspondientes al modelo utilizado
para la adquisición de datos con fotogrametría.
Figura 2.12. Segmentos del modelo introducido. (Fuente: Propia)
Figura 2.13. Puntos del segmento piernas en el modelo introducido. (Fuente: Propia)
48
Para mayor precisión en la estructuración del modelo y obtención de datos las juntas que
representan tobillos, rodillas, coxis, espalda media, espina dorsal y cabeza están
representadas por marcadores virtuales calculados, cuya ubicación es el punto medio entre
dos marcadores reales relativos a una articulación. En la tabla 2.10. se muestra los
marcadores virtuales calculados y a partir de que puntos se obtuvieron.
Tabla 2.9. Marcadores virtuales calculados.
Junta Segmento Marcadores utilizados para el cálculo
1 Coxis 17, 13 (Trocánter derecho e izquierdo)
2 Espalda media 2_T8 Octava vértebra torácica (T8)
21_IJ Incisura yugular
4 Cabeza 4A Trago derecho
4B Trago izquierdo
21 Espina dorsal 21_C7 Séptima vértebra cervical (C7)
21_IJ Incisura yugular
18 Rodilla Derecha 18A Cóndilo lateral derecho
18B Tuberosidad tibial derecha
14 Rodilla Izquierda 14A Cóndilo lateral izquierdo
14B Tuberosidad tibial izquierda
19 Tobillo Derecho 19A Maléolo lateral derecho
19B Maléolo medial derecho
15 Tobillo Izquierdo 15A Maléolo lateral izquierdo
15B Maléolo medial izquierdo
Fuente: Propia.
Luego del registro de cada una de las escenas donde se reprodujo el movimiento a evaluar
se obtienen las coordenadas espaciales a lo largo del tiempo de los marcadores del modelo
definido a través de la digitalización. Solo es necesario digitalizar manualmente el primer
instante de la reconstrucción. A partir del segundo instante Kinescan/IBV es capaz de
digitalizar automáticamente las trayectorias de los marcadores [49]. En la figura 2.14. se
puede observar la forma en la que se construye una escena con el son software Kinescan.
Una representación animada del modelo se encuentra también disponible en la figura 2.15.
donde se reproduce el movimiento analizado a partir de la información correspondiente a
la posición de los marcadores en el tiempo.
49
Figura 2.14. Digitalización de la escena en Kinescan. (Fuente: Propia)
Figura 2.15. Animación de la Escena. (Fuente: Propia)
Utilizando la opción de exportación de coordenadas 3D se genera un archivo con la
extensión *.txt con los datos de Kinescan que representan una matriz de dimensión
𝑛 × 105, en este caso 𝑛 corresponde también a los cuadros adquiridos mientras que en
las columnas se encuentran agrupadas las coordenadas en 𝑥, 𝑧, 𝑦 de los 35 puntos
disponibles considerando marcadores reales y virtuales.
50
2.3. CÁLCULO DE ÁNGULOS
2.3.1. ÁNGULOS REQUERIDOS PARA EL PROCESAMIENTO DE DATOS
Los ángulos que necesitan ser calculados son los correspondientes a los segmentos
descritos en la metodología de evaluación REBA así: tronco, cuello, piernas, brazos,
antebrazos y muñecas.
Las variables cinemáticas son las que permiten la descripción del movimiento
independientemente de las fuerzas que lo causan incluyendo así desplazamientos lineales
y angulares. Los datos de desplazamiento se toman a partir de cualquier punto de
referencia anatómico: centro de gravedad de segmentos corporales, centros de rotación
de articulaciones, extremos de segmentos de extremidades o prominencias anatómicas
específicas. El sistema de referencia espacial puede ser relativo o absoluto [16].
Conocidas las posiciones de las 25 juntas del cuerpo disponibles es posible determinar los
ángulos relativos a los segmentos anteriormente mencionados. Es decir, el ángulo de una
articulación formado por los ejes longitudinales de los segmentos corporales adyacentes a
si misma [51].
Para fines de conveniencia es pertinente establecer de manera consistente las direcciones
de los ejes del sistema de referencia global en concordancia con el de Kinect de la siguiente
forma: X representa la dirección medial/lateral, Y el eje vertical, y Z el eje antero/posterior.
Donde XZ es el plano transversal, a su vez ortogonal al plano sagital.
Las medidas del cambio de ángulo de flexión / extensión de tronco, cuello, piernas, brazos,
antebrazos, y muñecas se calcularon a partir de las coordenadas de referencia anatómica
utilizando el ángulo entre barras con respecto al sistema de coordenadas global
estableciendo ejes articulares referentes a cada segmento. A razón de la complejidad de
la postura analizada se generaron planos anatómicos para el cálculo del ángulo de flexión
de piernas a partir de la proyección de vectores sobre dichos planos.
En la tabla 2.10. Se muestran los ejes articulares y vectores establecidos para el cálculo
de ángulos en este estudio.
51
Tabla 2.10. Condiciones establecidas para el cálculo de ángulos por segmento.
Segmento Eje articular Vectores
Tronco Coxis Vector coxis – espina dorsal con respecto al eje vertical Y
Cuello Cuello Vector cuello – cabeza
Vector cuello - espina dorsal
Pierna Rodilla Vector cadera – rodilla proyectado sobre los planos sagital y
frontal
Brazo Hombro Vector hombro – codo con respecto al eje vertical Y
Antebrazo Codo Vector codo – hombro
Vector codo - muñeca
Fuente: Propia.
2.3.2. CÁLCULO DE ÁNGULOS ENTRE BARRAS
El valor del ángulo entre barras está definido por la ecuación (1). Se trata básicamente del
ángulo que forman dos vectores, se necesita conocer las coordenadas en el espacio de
tres puntos 𝑝1, 𝑝2 y 𝑟. El punto de origen 𝑟 que comparten los vectores representa también
la articulación de la cual se obtendrá resultados.
𝜃𝑝1,𝑝2 = cos−1𝑝1𝑟⃗⃗⃗⃗ ⃗⃗ ∙ 𝑟𝑝2⃗⃗ ⃗⃗ ⃗⃗
‖𝑝1𝑟⃗⃗⃗⃗ ⃗⃗ ‖‖𝑟𝑝2⃗⃗ ⃗⃗ ⃗⃗ ‖ (1)
Donde:
𝜃𝑝1,𝑝2 = ángulo formado por los vectores 𝑝1𝑟⃗⃗⃗⃗ ⃗⃗ y 𝑟𝑝2⃗⃗ ⃗⃗ ⃗⃗
𝑝1𝑟⃗⃗⃗⃗ ⃗⃗ = 𝑟 − 𝑝1
𝑟𝑝2⃗⃗ ⃗⃗ ⃗⃗ = 𝑝2 − 𝑟
‖𝑝1𝑟⃗⃗⃗⃗ ⃗⃗ ‖ = módulo del vector 𝑝1𝑟⃗⃗⃗⃗ ⃗⃗
‖𝑟𝑝2⃗⃗ ⃗⃗ ⃗⃗ ‖ = módulo del vector 𝑟𝑝2⃗⃗ ⃗⃗ ⃗⃗
2.3.3. PROYECCIÓN DE VECTORES SOBRE PLANOS
Para calcular un ángulo a partir de proyecciones es necesario definir los planos sobre los
cuales los vectores son proyectados. En el estudio del movimiento humano estos planos
se denominan anatómicos y se muestran en la figura 2.16. El plano sagital es vertical y se
dispone en la misma dirección del eje antero/posterior, el plano frontal es también vertical
pero dispuesto en la dirección del eje medial/lateral, finalmente el plano transverso es
horizontal y perpendicular a los otros dos.
52
Figura 2.16. Planos Anatómicos. (Fuente: [20])
Para definir un plano en el espacio requiere las coordenadas (𝑥, 𝑦, 𝑧) de tres puntos 𝐴, 𝐵, 𝐶
considerando uno de ellos como el origen se forman dos vectores 𝐴𝐵⃗⃗⃗⃗ ⃗ y 𝐴𝐶⃗⃗⃗⃗ ⃗ cuyo producto
vectorial es la dirección normal del plano deseado. Si �⃗� = (𝑎, 𝑏, 𝑐) es un vector
perpendicular al plano y 𝑃𝑜(𝑥𝑜 , 𝑦𝑜 , 𝑧𝑜) un punto de este [30], [64]. Se lo puede expresar con
la ecuación (2) [64] así:
𝑎(𝑥 − 𝑥𝑜) + 𝑏(𝑦 − 𝑦𝑜) + 𝑐(𝑧 − 𝑧𝑜) = 0 (2)
Un vector 𝐴 pueden expresarse también como la suma de las componentes paralela y
perpendicular de sus proyecciones sobre un plano 𝐵 cuya orientación está definida por su
vector normal �⃗� [65].
𝐴 = 𝐴 ∥ 𝐵⃗⃗ ⃗⃗ ⃗⃗ ⃗⃗ ⃗⃗ + 𝐴 ⊥ 𝐵⃗⃗ ⃗⃗ ⃗⃗ ⃗⃗ ⃗⃗ ⃗ (3)
Donde:
𝐴 = vector proyectado sobre el plano 𝐵.
𝐴 ∥ 𝐵⃗⃗ ⃗⃗ ⃗⃗ ⃗⃗ ⃗⃗ = componente paralela de la proyección de 𝐴 sobre 𝐵.
𝐴 ⊥ 𝐵⃗⃗ ⃗⃗ ⃗⃗ ⃗⃗ ⃗⃗ ⃗ = componente perpendicular de la proyección de 𝐴 sobre 𝐵.
53
Figura 2.17. Proyección de un vector sobre un plano. (Fuente: [65])
Las componentes 𝐴 ∥ 𝐵⃗⃗ ⃗⃗ ⃗⃗ ⃗⃗ ⃗⃗ y 𝐴 ⊥ 𝐵⃗⃗ ⃗⃗ ⃗⃗ ⃗⃗ ⃗⃗ ⃗ se calculan utilizando las coordenadas el del vector a
proyectar 𝐴 y el vector �⃗� normal al plano 𝐵 así de acuerdo con [65]:
𝐴 ∥ 𝐵⃗⃗ ⃗⃗ ⃗⃗ ⃗⃗ ⃗⃗ = �⃗� × (𝐴 × �⃗� )/‖�⃗� ‖2 (4)
𝐴 ⊥ 𝐵⃗⃗ ⃗⃗ ⃗⃗ ⃗⃗ ⃗⃗ ⃗ = 𝐴 ⋅ �⃗� ∗ �⃗� ‖�⃗� ‖2 (5)
2.4. PROCESAMIENTO DE DATOS
El procesamiento de datos se cumple de forma sistemática en dos partes. Primero la
validación y luego el análisis de riesgo ergonómico con REBA. En ambos casos se
implementa algoritmos en Matlab que procesan de manera simultánea la información
obtenida con los sensores de profundidad y el sistema de fotogrametría. Las matrices
utilizadas deben cumplir con las características de dimensión, posicionamiento y sistema
de referencia coordenado del modelo establecido por Kinect sin tomar en cuenta los puntos
de los dedos medio y pulgar en las manos por los problemas de oclusión mencionados
anteriormente así: 𝑀 = (𝑀𝑖𝑗)𝑛×21. Donde 𝑛 es el número de cuadros adquiridos durante la
grabación. Los datos adquiridos en el sistema de fotogrametría Kinescan requieren un
tratamiento previo realizado también en Matlab, donde se modifica su apariencia al quitar
puntos no necesarios, ordenarla y cambiar la disposición de sus coordenadas
originalmente (x, z, y) en sentido horizontal al sistema coordenado de Kinect, es decir (x,
54
y, z) en sentido vertical. Además de reestructurar esta información se almacena una nueva
matriz en formato *.mat con las características requeridas.
La dimensión de las matrices proporcionadas por Kinect oscila entre 550 × 21 y 950 × 21,
lo que quiere decir que la frecuencia real de grabación de los sensores de profundidad
varia en un rango de 8 a 10Hz, aproximadamente 3 veces menor a la de fotogrametría que
se mantiene constante. La diferencia de fotogramas adquiridos con Kinescan es
representativa, para reducir la variabilidad de los resultados se redujo la frecuencia de
muestreo en un factor entero de 3 aplicando downsampling. Para mitigar el ruido presente
en las señales, los artefactos causados por el movimiento y los errores de predicción de
puntos por oclusión. Se utilizan diferentes herramientas de filtrado para eliminar el ruido.
Si se trata de un sistema basado en sensores múltiples, entonces los datos recopilados de
diferentes sensores deben normalizarse y sincronizarse [21], [66]. Para el filtrado de
señales se utiliza técnicas de ajuste de curvas, Específicamente el filtro de Savitzky-Golay
(SG) que es un procedimiento de ajuste polinomial por partes de una función polinómica a
la señal original utilizando el método del error de mínimos cuadrados [67]. En cuanto a la
normalización se vuelve a escalar los datos adquiridos en series temporales en un rango
de valores de 0 a 100 que representan el inicio y fin de la actividad en porcentaje. Dentro
del procesamiento de información se utilizan las siguientes funciones de Matlab:
Tabla 2.11. Funciones de Matlab empleadas en el procesamiento de datos.
Funciones de Matlab Especificaciones
Downsample Reduce la frecuencia de muestreo en un valor entero manteniendo la
primera muestra y luego cada enésima muestra después de la primera.
Si se aplica sobre una matriz, la función trata cada columna como una
secuencia separada.
Normalize Escalos los datos utilizando el método de “Puntuación - Z” que centra la
información para que tenga una media de 0 y una desviación estándar
de 1. Se puede establecer un rango de escalado, por defecto es 0 a 1.
Sgolayfilt Suaviza una señal usando el filtro de suavizado polinomial de Savitzky-
Golay que ajusta un vector de datos con el diferente orden polinómico.
Un punto de datos central con un conjunto de puntos de datos en la parte
posterior y frontal crea un marco y luego el conjunto de datos se ajusta
teniendo en cuenta el orden polinómico.
Parfor Permite procesar la información utilizando arquitectura de procesamiento
en paralelo haciendo que trabajen todos los núcleos disponibles.
Fuentes: [67]–[71]
55
2.4.1. PROCESAMIENTO DE DATOS PARA LA VALIDACIÓN
El algoritmo implementado en Matlab para validar el sensor permite el ingreso de las
matrices de datos de obtenidas en Kinect y Kinescan, realiza recortes de fotogramas no
validos (posición anatómica), reduce la frecuencia de muestreo y calcula los ángulos
requeridos para REBA en cada fotograma a partir de las posiciones en el espacio de los
puntos corporales introducidos, así como los parámetros estadísticos (media, desviación
estándar, varianza) esto para cada una de las secuencias reproducidas.
2.4.2. PROCESAMIENTO DE DATOS PARA ANÁLISIS DE RIESGO ERGONÓMICO
La segunda parte del procesamiento consiste en obtener los resultados de la evaluación
postural de acuerdo con los criterios de REBA. Los ángulos de los segmentos de interés
son calculados a partir de los datos proporcionados por los sensores de profundidad Kinect
en la posición frontal y lateral a 30° a la derecha. Para la obtención de los puntajes parciales
y totales de la evaluación se considera el promedio de las 3 mediciones realizadas con
cada sensor. Finalmente, el algoritmo de cálculo determina los resultados de riesgo para
el lado derecho e izquierdo del cuerpo.
2.4.3. PARÁMETROS ESTABLECIDOS PARA EL ANÁLISIS DE RIESGO
Para la evaluación de riesgo ergonómico se debe hacer consideraciones en cuanto a los
parámetros de ingreso manual establecidos para las zonas donde el sensor presenta
dificultades de adquisición de datos, es el caso de las muñecas. El método de evaluación
REBA realiza ajustes en la puntuación obtenida para cada segmento basados en
movimientos de torsión, rotación, inclinación que son factores agravantes de acuerdo con
los lineamientos de este método de análisis postural y han sido definidos también como
parámetros de ingreso manual mediante observación. El ángulo de las muñecas y los
factores de ajuste han sido estudiados también con ayuda de los registros en video con los
que se determinó la tarea más crítica dentro de la actividad de baño de neonatos. En la
tabla 2.12. se encuentran especificadas todas las condiciones de ingreso manual para cada
uno de los segmentos de estudio los cuales son verificados también con cada participante.
56
Tabla 2.12. Parámetros de ingreso manual en la evaluación REBA.
Segmento Ajuste Puntaje
Tronco Tronco con inclinación lateral o rotación +1
Cuello Cabeza con inclinación lateral o rotación +1
Brazo Brazo abducido, brazo rotado u hombro elevado +1 X
Apoyo, o postura a favor de la gravedad -1
Muñeca Posición de la muñeca
Posición neutra 1
Flexión o extensión >0° y <15° 1 X
Flexión o extensión >15° 2
Ajuste
Torsión o desviación radial o cubital +1 X
Carga o Fuerza Carga o fuerza menor a 5 Kg 0 X
Carga o fuerza entre 5 y 10 Kg +1
Carga o fuerza mayor a 10 Kg +2
Ajuste
Existen fuerzas aplicadas bruscamente +1
Calidad de Agarre Bueno 0
Regular +1 X
Malo +2
Inaceptable +3
Postura Posturas estáticas (Sostenidas más de 1 minuto) +1 X
Movimientos repetitivos (Más 4 veces por minuto) +1
Cambios de postura importantes o postura inestable +1
Fuente: Propia.
57
3. RESULTADOS Y DISCUSIÓN
3.1. RESULTADOS VALIDACIÓN
Dentro del estudio se requiere comprobar la validez de la información que se obtiene por
medio de sensores de profundidad Kinect siendo de gran importancia para garantizar que
los resultados del análisis de riesgo ergonómico sean correctos. Para este fin se evalúa los
dos arreglos de sensores establecidos y tres secuencias de movimientos. Las dos primeras
corresponden al movimiento sólo del brazo izquierdo y del brazo derecho por separado
mientras se mantiene la postura de flexión de tronco implicada en el baño de neonatos esto
con el propósito de determinar la capacidad del sensor para determinar los ángulos de los
segmentos más críticos de la actividad a partir de la información de las posiciones de las
juntas en el tiempo y establecer que arreglo logra captar de mejor forma el movimiento.
Adicionalmente se estudia el desempeño del sensor al realizar secuencia de movimientos
completa utilizando el bebé. De esta forma se logra simular condiciones más reales. Para
todos los casos establecidos se realiza un proceso comparativo con la técnica de
fotogrametría utilizando la información obtenida con Kinescan como patrón de referencia.
Mediante el análisis de la media, desviación estándar, se puede definir una tendencia en
cuanto a los resultados obtenidos.
3.1.1. VALIDACIÓN DEL SENSOR PARA EL ANÁLISIS POSURAL EN SEGMENTOS
CRÍTICOS POR SEPARADO
En las tablas 3.1. y 3.2. se encuentra la información correspondiente al error sistemático
que permite establecer si el método de medida es el adecuado. y el error estándar de
medida (SEM) que está ligado a la variabilidad existente en los errores de medida. Tanto
para la secuencia del brazo izquierdo como del brazo derecho se puede evidenciar que los
mejores resultados se obtienen al utilizar el arreglo de sensores frontal – lateral. Los errores
sistemáticos representan la diferencia existente en grados entre el valor real y los
resultados medidos con los sensores Kinect. En un análisis más profundo se puede ver
que los errores varían de diferente forma segmento a segmento así los puntos que
presentan un mayor inconveniente por la falta de exactitud en sus medidas son el codo
izquierdo con un error de 16° con el sensor frontal, y el codo derecho con error de 35 y 51°
con los sensores en posición frontal y lateral respectivamente. Esto se debe principalmente
a la naturaleza de los movimientos analizados, la oclusión de puntos y la variabilidad de
las señales muestreadas. Lograr mitigar estos defectos es una de las razones para utilizar
múltiples sensores donde la localización de las juntas articulares se realiza desde
58
diferentes puntos de vista seleccionando así los óptimos para el estudio. Para dicha
selección también entra en consideración el error SEM, que mientras más bajo valor tenga
mayor fiabilidad tienen los resultados. Es así como en la tabla 3.3. se muestran los
resultados de la evaluación del movimiento completo donde se resume los valores de la
media y desviación estándar de todas las pruebas realizadas para cada junta analizada,
Los segmentos que durante el análisis implican movimiento constante presentan alta
variabilidad, con una desviación estándar mayor a 5° correspondiente a los codos. En el
resto de las juntas la desviación estándar toma valores entre 0.17° y 4.02° que es un rango
aceptable. En las mediciones realizadas con el sensor en posición lateral la desviación
estándar es mucho menor a la que se obtiene con el sensor frontal como resultado de una
menor cantidad de ruido por la reducción de oclusiones.
Tabla 3.1. Error sistemático y SEM para la secuencia solo brazo izquierdo.
Secuencia Solo Brazo Izquierdo
Arreglo con 2 sensores laterales Arreglo sensor Frontal - Lateral
Segmento
Error Sistemático [°] SEM [°]
Error Sistemático [°] SEM [°]
30° Izq 30° Der 30° Izq 30° Der 90° 30° Der 90° 30° Der
Tronco 20.90 9.47 5.45 4.03 8.10 3.50 3.60 0.15
Cuello 2.76 2.39 1.79 1.47 5.25 7.03 1.74 0.80
Pierna Der 6.20 3.95 1.83 1.80 6.50 1.48 0.64 0.16
Pierna Izq 5.25 8.02 2.59 1.54 3.81 1.63 0.57 0.39
Codo Izq 27.40 13.40 12.70 8.70 16.00 5.95 5.42 1.25
Brazo Izq 32.60 7.16 8.13 5.95 8.62 2.53 1.27 0.55 Fuente: Propia.
Tabla 3.2. Error sistemático y SEM para la secuencia solo brazo derecho.
Secuencia Solo Brazo Derecho
Arreglo con 2 sensores laterales Arreglo sensor Frontal - Lateral
Segmento
Error Sistemático [°] SEM [°]
Error Sistemático [°] SEM [°]
30° Izq 30° Der 30° Izq 30° Der 90° 30° Der 90° 30° Der
Tronco 8.34 6.91 5.15 5.38 15.60 3.16 0.74 0.61
Cuello 8.74 22.30 2.27 8.09 4.31 3.40 0.93 0.69
Pierna Der 8.81 6.11 0.83 1.83 6.27 2.37 0.15 0.43
Pierna Izq 9.15 2.46 1.73 1.51 6.20 8.00 0.13 0.26
Codo Der 38.70 33.20 14.50 14.70 35.50 51.30 3.35 2.10
Brazo Der 6.10 20.20 3.82 4.34 5.88 14.80 0.70 1.45 Fuente: Propia.
59
Tabla 3.3. Media, desviación estándar, error sistemático y SEM para la secuencia completa de
movimientos.
Secuencia Completa con Bebé
Arreglo sensor Frontal - Lateral Derecho
Segmento Media [°] Desviación Estándar [°] Error
Sistemático [°] SEM [°]
90° 30° Kinescan 90° 30° Kinescan 90° 30° 90° 30°
Tronco 49.53 56.47 50.95 5.69 0.45 1.75 5.19 4.38 4.25 0.41
Cuello 10.76 25.47 24.30 2.00 1.00 0.58 13.10 2.13 2.31 0.79
Pierna Der 9.15 4.55 4.48 3.12 0.29 0.06 4.79 0.84 2.71 0.29
Pierna Izq 9.13 4.46 5.76 2.16 0.27 0.18 3.38 1.15 1.79 0.26
Codo Izq 88.63 104.20 96.95 8.35 9.16 0.11 11.10 9.72 5.09 6.51
Codo Der 82.80 76.07 114.00 7.06 4.95 0.22 32.10 38.10 3.84 4.91
Brazo Izq 31.73 29.93 21.10 0.91 0.80 0.27 10.40 8.91 1.04 0.86
Brazo Der 34.77 30.60 25.05 1.88 0.97 0.56 9.15 6.13 1.78 0.91 Fuente: Propia.
3.1.2. ÁNGULO DE FLEXIÓN DEL TRONCO
Adicionalmente, para saber que sensor proporciona la mejor información de cada junta se
debe tener en cuenta que en el monitoreo de articulaciones características como las
tendencias observables en las señales son importantes porque los marcos de referencia
para la toma de decisiones están basados en ellas. Analizando junta por junta en la figura
3.1. se puede apreciar que durante la flexión de tronco con la cámara ubicada frontalmente
la desviación estándar es más alta lo que se ve reflejado en las oscilaciones del valor de
los ángulos. Esto se debe principalmente a que en esta posición del sensor el movimiento
de los brazos y la flexión del troco tienden a interferir con la detección de los puntos
utilizados para calcular este ángulo. Siendo así la mejor alternativa para evaluar este
segmento el sensor ubicado lateralmente en cuya gráfica se observa que antes de
estabilizarse la señal hay una variación en la pendiente, que representa el cambio de
posición del tronco de erguido a flexionado. De acuerdo con Choppin et al [72] esta
diferencia entre la curva de referencia de Kinescan y las de Kinect se debe a principalmente
a la variación de frecuencia de grabación y retrasos de tiempo en los algoritmos de
seguimiento del Kinect y su efecto es más marcado en segmentos con mayor movimiento
en este estudio particularmente los codos, brazos y tronco.
60
Figura 3.1. (a) Ángulo flexión tronco sensor lateral [°] vs. Porcentaje de movimiento completado, (b) Ángulo flexión tronco sensor frontal [°] vs. Porcentaje de movimiento completado.
(Fuente: Propia)
3.1.3. ÁNGULO DE FLEXIÓN DEL CUELLO
En la figura 3.2. se muestran las gráficas del ángulo de flexión del cuello en función del
porcentaje de la acción completada con las cámaras ubicadas lateral y frontalmente, en
ambos casos existe oscilaciones en la señal durante todo el movimiento sin embargo los
resultados del sensor lateral presentan una menor desviación estándar y una tendencia
que se acerca más a la referencia lo cual está vinculado con que el plano en el que se
desarrolla el movimiento es el sagital o anteroposterior. Debido a esto se utiliza los datos
obtenidos por el sensor lateral que es el que posee un mejor punto de vista de dicho plano.
Figura 3.2. (a) Ángulo flexión cuello sensor lateral [°] vs. Porcentaje de movimiento completado, (b) Ángulo flexión del sensor frontal [°] vs. Porcentaje de movimiento completado.
(Fuente: Propia)
61
3.1.4. ÁNGULO DE FLEXIÓN DE PIERNAS
Los resultados de la flexión de pierna derecha e izquierda se presentan en las figuras 3.3.
y 3.4. respectivamente. Este movimiento también se desarrolla en el plano anteroposterior.
Además, debido a la flexión de tronco los puntos de la cadera y rodillas tienden a ocluirse
con la cámara frontal y ciertas fluctuaciones en la señal son introducidas por lo que se
utiliza el sensor ubicado en la posición lateral que es el que proporciona información con la
menor desviación estándar y una tendencia muy próxima a la curva de referencia de
Kinescan.
Figura 3.3. (a) Ángulo flexión pierna derecha sensor lateral [°] vs. Porcentaje de movimiento completado, (b) Ángulo flexión pierna derecha sensor frontal [°] vs. Porcentaje de movimiento
completado. (Fuente: Propia)
Figura 3.4. (a) Ángulo flexión pierna izquierda sensor lateral [°] vs. Porcentaje de movimiento completado, (b) Ángulo flexión pierna izquierda sensor frontal [°] vs. Porcentaje de movimiento
completado. (Fuente: Propia)
62
3.1.5. ÁNGULO DE FLEXIÓN DE CODOS
El ruido en las señales se muestra como un efecto predominante en la evaluación de juntas
que involucran secuencias de movimiento complejas como en el codo izquierdo (Figura
3.5.) o movimiento constante como en el codo derecho (Figura 3.6.). En ambos casos y
tanto con el sensor frontal, como con el lateral las oscilaciones en las curvas de Kinect
prevalecen durante toda la secuencia. Se trata de los segmentos que presentan más
elevada desviación estándar, es decir una mayor dispersión en sus resultados. El
comportamiento de las curvas que representan estos ángulos se capta de forma más
adecuada con el sensor frontal que tiene mejor campo de visión del plano transversal que
es donde se mueven estas juntas y una menor desviación estándar de sus resultados.
Particularmente en el codo derecho los datos experimentales se alejan considerablemente
de la referencia con un error sistemático de 32° relacionado nuevamente con el retraso de
tiempo en el procesamiento de la información por la reducción en la frecuencia de
muestreo. El cálculo del ángulo del antebrazo derecho asociado a la flexión de codo
requerida para la evaluación postural en este estudio debe considerar el factor de
variabilidad inter participante al momento de reproducir un movimiento. Específicamente
en la junta del codo derecho el espectro de resultados del desplazamiento angular durante
el lavado de cuerpo del neonato es amplio (80° a 120°). A pesar de que la capacidad del
sensor no es la suficiente para estimar con buena precisión este ángulo puede detectar el
cambio de movimiento en este segmento apropiadamente para llevar a cabo la valoración
con REBA cuya puntuación para el antebrazo requiere saber si la flexión corresponde a un
ángulo mayor o menor a 100°.
Figura 3.5. (a) Ángulo flexión codo izquierdo sensor lateral [°] vs. Porcentaje de movimiento completado, (b) Ángulo flexión codo izquierdo sensor frontal [°] vs. Porcentaje de movimiento
completado. (Fuente: Propia)
63
Figura 3.6. (a) Ángulo flexión codo derecho sensor lateral [°] vs. Porcentaje de movimiento completado, (b) Ángulo flexión codo derecho sensor frontal [°] vs. Porcentaje de movimiento
completado. (Fuente: Propia)
3.1.6. ÁNGULO DE FLEXIÓN DE BRAZOS
Los resultados de flexión de los brazos izquierdo y derecho mostrado en las figuras 3.7. y
3.8. respectivamente presentan una tendencia similar en las posiciones lateral y frontal de
las cámaras. A pesar de esto el sensor que posee un mejor punto de vista del plano en que
se desarrolla el movimiento es también el que proporciona los mejores resultados. En este
segmento la acción se realiza en el plano anteroposterior por lo que se utiliza la información
del sensor lateral que a su vez posee una menor desviación estándar.
Figura 3.7. (a) Ángulo flexión brazo izquierdo sensor lateral [°] vs. Porcentaje de movimiento completado, (b) Ángulo flexión brazo izquierdo sensor frontal [°] vs. Porcentaje de movimiento
completado. (Fuente: Propia)
64
Figura 3.8. (a) Ángulo flexión brazo derecho sensor lateral [°] vs. Porcentaje de movimiento completado, (b) Ángulo flexión brazo derecho sensor frontal [°] vs. Porcentaje de movimiento
completado. (Fuente: Propia)
3.2. RESULTADOS EVALUACIÓN DE RIESGO ERGONÓMICO
En esta sección se muestran los resultados de la evaluación de riesgo ergonómico
utilizando la metodología REBA y los sensores Kinect de la secuencia de movimientos más
crítica correspondiente al lavado de cuerpo del bebé llevado cabo por enfermeras durante
el baño de neonatos. Así también las tendencias que se obtienen, la influencia de los datos
calculados a partir de la información de sensores de profundidad y los parámetros de
ingreso manual sobre los resultados.
En la tabla 3.4. se muestra el riesgo ergonómico en la escala de REBA de la evaluación
correspondiente al lado derecho e izquierdo del cuerpo de cada uno de los participantes
en el estudio. En la tabla se puede apreciar que 4 de los 5 casos tienen riesgo medio
(valores entre 4 y 7) mientras que solamente uno de los casos tiene riesgo alto (valores
entre 8 y 10). En 2 casos se obtuvo un mayor puntaje en el lado izquierdo, en 2 casos el
resultado es igual en ambos lados, y solamente en una ocasión el puntaje del lado derecho
supero al izquierdo. Esto se debe a que precisamente es el lado izquierdo el que soporta
la carga del bebé con el brazo durante el baño. Considerando el promedio de los resultados
de la evaluación ergonómica se puede decir que la actividad del baño de neonatos en su
tarea más crítica correspondiente al lavado de cuerpo del bebé presenta riesgo medio por
lo que es necesario tomar medidas correctivas para evitar la adopción de posturas forzosas
y la aparición de lesiones.
65
Tabla 3.4. Resultados en la evaluación REBA por participante.
Resultados Riesgo Ergonómico
REBA Lado Izquierdo REBA Lado Derecho Nivel De Actuación
Sujeto 1 6 5 Es necesaria
Sujeto 2 5 6 Es necesaria
Sujeto 3 8 8 Es necesaria cuanto antes
Sujeto 4 6 5 Es necesaria
Sujeto 5 7 7 Es necesaria
Promedio 6.4 ~ 6 6.2 ~ 6 Es necesaria
Fuente: Propia.
3.2.1. INFLUECIA DE LOS ÁNGULOS CALCULADOS A PARTIR DE INFORMACIÓN
DE LOS SENSORES KINECT
Para un mayor entendimiento de la variación de resultados de riesgo se realizó un análisis
estadístico considerando la media y desviación estándar de los ángulos utilizados en el
estudio. En la tabla 3.5. se puede ver que los segmentos que presentan mayor dispersión
son los codos, la fluctuación presente en estos valores se debe al movimiento asociado a
esos segmentos durante la reproducción de la tarea. De manera general hay que
considerar que a pesar de existir un protocolo para ejecutar los movimientos las
condiciones físicas y biomecánicas de cada persona introducen un efecto de variabilidad
Inter participante. Sin embargo, esto solo se muestra relevante cuando existe valores
mayores a 20° en el segmento del cuello, y valores menores a 100° en los codos ya que
representan un incremento y reducción de un punto respectivamente en la puntuación
asignada a dichos segmentos. Por otro lado, estas variaciones en los resultados de riesgo
no influyen de manera significativa en su caracterización ya que en el 80% de los casos el
riesgo asociado a la actividad es medio y solamente en un caso que representa el 20%
restante se obtuvo un valor que implica riesgo elevado. En cuanto a los niveles de actuación
se puede apreciar que todos los participantes requieren intervención. Existe evidencia de
una fuerte relación entre la adopción de posturas forzadas y la aparición de trastornos
musculoesqueléticos, pero no se conoce con exactitud el mecanismo de acción. No existe
un modelo razonablemente comprensible que permita establecer criterios de diseño para
prevenir los trastornos que se producen [73]. Sin embargo, considerando que la actividad
de baño de neonatos implica manejo de cargas y flexión/extensión de segmentos en el
tronco superior la aplicación de estrategias específicas de acondicionamiento del lugar de
trabajo puede reducir la posibilidad de padecer lesiones o trastornos del tipo
musculoesquelético siempre y cuando se enfoque en reducir la adopción de posturas que
66
sobrecarguen músculos, posturas que generen cargas asimétricas en articulaciones,
además de evitar que una o varias regiones anatómicas dejen de estar en una posición
natural de confort para pasar a posiciones forzosas generando hiperextensiones,
hiperflexiones y/o hiperrotaciones osteoarticulares que pueden desencadenar en lesiones
por sobrecarga [73].
Tabla 3.5. Promedio y desviación estándar de los ángulos utilizados en la evaluación REBA.
Ángulos REBA
Segmento Media [°] Desv
Estándar Sujeto 1 Sujeto 2 Sujeto 3 Sujeto 4 Sujeto 5
Tronco 62.1 64.3 60.9 63.6 59.5 1.95
Cuello 11.86 15.8 20.2 12.2 26.6 6.18
Pierna Der 3.74 3.63 7.35 2.4 3.96 1.85
Pierna Izq 1.36 15.2 4.9 4.64 7.5 5.22
Codo Izq 103 96.7 115 102 102 6.76
Codo Der 89.6 112 114 97.5 101 10.19
Brazo Izq 23.3 34.9 20.3 21 29.7 6.28
Brazo Der 39.7 33.4 26.1 34.7 31.4 4.95
Apoyo Pies 0.0207 0.01 0.0129 0.0469 0.00759 0.02
Fuente: propia.
3.2.2. INFLUENCIA DE LOS PARAMETROS DE INGRESO MANUAL Y AJUSTES
La presencia de parámetros de ingreso manual y ajustes que son obtenidos mediante
observación pueden provocar cambios importantes en la puntuación. A pesar de ello los
ajustes utilizados en REBA son bastante específicos y fáciles de identificar por lo que todos
estos parámetros fueron definidos para todo el estudio. Al mismo tiempo tomando en
consideración la variabilidad en la forma de ejecutar los movimientos de la tarea entre cada
participante es beneficioso verificar la forma en que se adaptan los parámetros definidos a
las condiciones de cada persona y se puede concluir que los ajustes considerados no
sufrieron cambios, en tal razón para el caso particular de estudio no alteraron los puntajes
de cada segmento. En el caso particular de las correcciones por el tipo de actividad
muscular se debe hacer énfasis en que estas condiciones pueden incrementar la
puntuación final de REBA hasta en un valor de 3. Al respecto, en este estudio la existencia
de posturas estáticas incrementa en 1 punto el resultado final de todos los participantes.
67
3.3. DISCUSIÓN
Basados en los resultados obtenidos, especialmente en el cálculo de ángulos es posible
decir que los sensores Kinect presentan buenas características como para ser introducidos
como herramientas complementarias en la evaluación postural y análisis de movimiento
sin marcadores. A pesar de ello es muy sensible a las condiciones del entorno lo cual se
presenta como una fuerte limitación en cuanto a su uso como un instrumento de medida.
Sin embargo, es apropiado para evaluar y distinguir rangos de movimiento. Precisamente
las escalas de valoración de riesgo ergonómico cualitativas establecen sus diferentes
niveles de puntuación basándose en rangos de movilidad bastante flexibles, es decir que
implican un cambio de movimiento considerable así: en REBA para que el puntaje de un
segmento incremente en 1 punto debe haber una variación en el ángulo medido entre 20°
a 40° dependiendo del segmento.
Los resultados obtenidos son consistentes y comparables con sistemas de captura de
movimiento que utilizan marcadores. La baja frecuencia de grabación es una condición
limitante incluso para el sistema de fotogrametría cuyo valor nominal fue establecido en 30
Hz para disponer de condiciones de adquisición de datos análogas en ambos sistemas
Kinect y Kinescan. Además, se debe destacar que la frecuencia real de muestreo real de
los sensores de profundidad decrece drásticamente siendo aproximadamente 3 veces
menor ocasionando que los datos adquiridos sean mucho menores. A pesar de ello la
tendencia en cuanto a su valor permanece similar. La presencia de movimientos bruscos
o su rápida instauración introduce ruido a las señales en ambos casos y causa problemas
de digitalización en Kinescan. La presencia de errores en las mediciones se debe
principalmente a las características técnicas de los sensores de profundidad Kinect y al tipo
de movimientos que forman parte de la actividad analizada por lo que el uso de un arreglo
de múltiples cámaras y el estudio de su ubicación es una forma de lograr mejores
resultados en una evaluación de riesgo ergonómico ya que el movimiento del cuerpo se
desarrolla en varios planos.
Finalmente, la introducción de parámetros cualitativos en el análisis de riesgo ergonómico
permite realizar mejoras significativas en los resultados al reducir la variabilidad inter
observador mediante el uso de sensores de profundidad Kinect y el seguimiento
esquelético sin marcadores.
68
4. CONCLUSIONES Y TRABAJOS FUTUROS
4.1. CONCLUSIONES
La obtención de registros digitales en video de las tareas involucradas en el baño de
neonatos realizado por enfermeras es una herramienta de gran utilidad en estudios de
evaluación postural. A partir de ellos se determina las tareas que forman parte de una
actividad, y su duración. Además de la facilidad de procesamiento a través de software de
edición de video para la extracción de fotogramas proporciona información relevante para
caracterizar una actividad e implementar modelos que permitan analizar los riesgos
asociados a la misma especialmente cuando se busca introducir dispositivos tecnológicos
que mejoren la calidad de los resultados obtenidos a partir de métodos cualitativos
tradicionales de valoración ergonómica.
Al identificar las posiciones cuya ejecución implica adoptarla de manera repetitiva o
prolongada, y realizar esfuerzos importantes es posible establecer las secuencias de
movimiento más críticas de una actividad que están asociadas a los posibles escenarios
de análisis donde finalmente solo se considera evaluar la postura del peor caso.
La valoración ergonómica llevada a cabo utilizando de manera conjunta el método de
análisis postural REBA y sensores de profundidad Kinect permitió incluir parámetros
cuantitativos al calcular los ángulos de los segmentos de interés para la evaluación. Los
resultados de riesgo obtenido presentan una tendencia marcada tomando valores de 5 y
6, evidenciando así una reducción de la subjetividad de las escalas de valoración
cualitativa, y los errores originados por la variabilidad inter-observador.
Características específicas a nivel técnico de los sensores de profundidad como la baja
frecuencia de grabación disponible los hacen altamente sensibles a las condiciones del
entorno, introducción de cuerpos extraños, y ejecución de movimientos bruscos por lo que
a pesar de tener un gran potencial en el análisis de movimiento sin marcadores sus
resultados requieren ser validados en cuanto a precisión esto se logra mediante procesos
comparativos con otras tecnologías.
El proceso de validación se realizó con fotogrametría donde se logró estimar el error en las
mediciones angulares calculadas utilizando la información proporcionada por Kinect y
Kinescan. En efecto se puede concluir que la calidad de los datos proporcionados por el
sensor es la adecuada para llevar a cabo evaluaciones de tipo postural en combinación
con métodos cualitativos de análisis de riesgo donde los rangos del valor de los ángulos
establecido para la asignación de un puntaje deben variar entre 15 y 20° para incrementar
69
su valor en 1 punto, esto considerando que el error sistemático obtenido es inferior a 5°
con excepción de los segmentos brazo derecho y antebrazo izquierdo que se ven afectados
por la introducción de artefactos por el movimiento y el uso de un muñeco para simular el
bebé. El uso de dos sensores en conjunto con el estudio de su ubicación en el área de
trabajo permite mitigar efectos de ruido, errores artefactos así también la posibilidad de
elegir los mejores datos de cada sensor.
La tarea del lavado del cuerpo de una bebé llevada a cabo por enfermeras como parte del
proceso de baño de neonatos se muestra como la más crítica presentando un riesgo
asociado intermedio correspondiente a las puntuaciones de 4 y 5 obtenidas con REBA, en
efecto es necesaria una intervención que incluya un análisis más detallado de las
condiciones físicas de quienes desempeñan esta actividad y las condiciones del puesto de
trabajo.
La puntuación de riesgo intermedio presente en la actividad de baño de neonatos está
relacionado a la existencia de factores de riesgo en cuanto a la carga postural y el ambiente
de trabajo así como la reducción de los mismos permite también mitigar la aparición de
TMEs.
4.2. TRABAJOS FUTUROS
Tomando en cuenta la fuerte evidencia de la capacidad de los sensores de profundidad de
proporcionar información de utilidad para aplicaciones de análisis de movimiento,
valoración funcional, análisis postural, etc. Este estudio se presenta como un marco de
referencia para posteriores estudios donde se le de mayor importancia los parámetros
cuantitativos que pueden ser obtenidos a partir de los sensores Kinect. Además,
considerando las limitaciones de las escalas de valoración cualitativa tradicionales, y que
el estudio del movimiento humano en la actualidad considera que cada cuerpo tiene una
biomecánica diferente es una buena alternativa el crear modelos que incluyan parámetros
cinemáticos y cinéticos permitiendo así que estos se adapten mejor a las características
propias de cada persona incrementando también la precisión con la que se puede predecir
posibles afecciones clínicas relacionadas a las actividades laborales y las condiciones en
las que se llevan a cabo.
70
REFERENCIAS
[1] A. F. Macedo Ribeiro et al., “Reference Values for Human Posture Measurements
Based on Computerized Photogrammetry: A Systematic Review,” J. Manipulative
Physiol. Ther., vol. 40, no. 3, pp. 156–168, Mar. 2017.
[2] C. Soler et al., “CUADERNOS DE BIOMECÁNICA - VALORACIÓN FUNCIONAL,”
Valencia, 2012.
[3] A. y S. Instituto Sindical de Trabajo, “Daños a la salud. Trastornos
musculoesqueléticos (TME) Módulo 2 1,” 8-25, 2015.
[4] L. Rik, O. De Beeck, and V. Hermans, “work-related low back disorders REPORT
PREPARED BY,” Luxembourg, 2000.
[5] A. Magora, “Investigation of the relation between low back pain and occupation. 6.
Medical history and symptoms.,” Scand. J. Rehabil. Med., vol. 6, no. 2, pp. 81–8,
1974.
[6] A. Calso, V. Carrilero, N. Moreno, and M. del M. Sustacha, “FATIGA POSTURAL:
CENTRADA EN LA ESPALDA DEL PERSONAL DE ENFERMERIA DE LAS
UNIDADES DE MEDICINA INTERNA,” Retos las nuevas Unidades Docentes Med.
del Trab., pp. 53–59, 2006.
[7] C. Fedorak, N. Ashworth, J. Marshall, and H. Paull, “Reliability of the visual
assessment of cervical and lumbar lordosis: How good are we?,” Spine (Phila. Pa.
1976)., vol. 28, no. 16, pp. 1857–1859, Aug. 2003.
[8] ERGONOMIC PLUS INC., “A Step-by-Step Guide Rapid Entire Body Assessment
(REBA),” 2018.
[9] T. T. An Shen, “Marker-less motion capture for biomechanical analysis using the
Kinect sensor,” 2014.
[10] P. Plantard, A. Muller, C. Pontonnier, G. Dumont, H. P. H. Shum, and F. Multon,
“Inverse dynamics based on occlusion-resistant Kinect data: Is it usable for
ergonomics?,” Int. J. Ind. Ergon., vol. 61, pp. 71–80, Sep. 2017.
[11] P. Plantard, H. P. H. Shum, A.-S. Le Pierres, and F. Multon, “Validation of an
ergonomic assessment method using Kinect data in real workplace conditions,” Appl.
Ergon., vol. 65, pp. 562–569, Nov. 2017.
[12] M. Gómez-Galán, J. Pérez-Alonso, Á.-J. Callejón-Ferre, and J. López-Martínez,
71
“Musculoskeletal disorders: OWAS review.,” Ind. Health, vol. 55, no. 4, pp. 314–337,
Aug. 2017.
[13] E.-P. Takala et al., “Systematic evaluation of observational methods assessing
biomechanical exposures at work Recommended Citation Systematic evaluation of
observational methods assessing biomechanical exposures at work.”
[14] H. Liu, C. Holt, and S. Evans, “Accuracy and repeatability of an optical motion
analysis system for measuring small deformations of biological tissues,” J. Biomech.,
vol. 40, no. 1, pp. 210–214, 2007.
[15] L. Mündermann, S. Corazza, and T. P. Andriacchi, “The evolution of methods for the
capture of human movement leading to markerless motion capture for biomechanical
applications,” 2006.
[16] P. A. Soler and L. R. Rizos, “Innovación en valoración funcional,” Revista Espanola
de Geriatria y Gerontologia, vol. 41, no. SPEC. ISS. 1. Ediciones Doyma, S.L., pp.
27–35, 2006.
[17] J. D. Garrido Jaen, “La valoración funcional. Aplicaciones en el ámbito de la
discapacidad y el daño corporal. Modelo de transferencia tecnológica de laboratorios
de valoración de la discapacidad y del daño corporal,” Universitat Politècnica de
València, Valencia (Spain), 2012.
[18] M. J. HALPERN, A.S.; FUHRER, Introduction. Functional assessment in
Rehabilitation. Baltimore: Brookes Publishing Co., 1984.
[19] D. Barer and F. Nouri, “Measurement of activities of daily living,” Clin. Rehabil., vol.
3, no. 3, pp. 179–187, Aug. 1989.
[20] D. A. Winter, Biomechanics and Motor Control of Human Movement, Fourth Edition
David A. Winter (cloth) 1. Human mechanics. 2. Motor ability. 3. Kinesiology. I. Title.
QP303.W59, vol. 7. Hoboken, New Jersey: John Wiley & Sons, Inc., 2009.
[21] A. I. Faisal, S. Majumder, T. Mondal, D. Cowan, S. Naseh, and M. J. Deen,
“Monitoring methods of human body joints: State-of-the-art and research
challenges,” Sensors (Switzerland), vol. 19, no. 11, Jun. 2019.
[22] A. Gritai and M. Shah, “Tracking of human body joints using anthropometry,” in 2006
IEEE International Conference on Multimedia and Expo, ICME 2006 - Proceedings,
2006, vol. 2006, pp. 1037–1040.
72
[23] Z. Wang, G. Liu, and G. Tian, “Human skeleton tracking using information weighted
consensus filter in distributed camera networks,” in Proceedings - 2017 Chinese
Automation Congress, CAC 2017, 2017, vol. 2017-January, pp. 4640–4644.
[24] INSTITUTO DE BIOMECÁNICA DE VALENCIA (IBV), “MÓDULO 1: BASES
CIENTÍFICAS: ESTRUCTURA Y FUNCIÓN DEL SISTEMA
MUSCULOESQUELÉTICO. MODELOS BIOMECÁNICOS. FISIOLOGÍA DEL
TRABAJO,” in MÓDULO 1: BASES CIENTÍFICAS: ESTRUCTURA Y FUNCIÓN DEL
SISTEMA MUSCULOESQUELÉTICO. MODELOS BIOMECÁNICOS. FISIOLOGÍA
DEL TRABAJO, pp. 5–12.
[25] International Encyclopedia of Ergonomics and Human Factors - 3 Volume Set. CRC
Press, 2006.
[26] I. Dianat, J. Molenbroek, and H. I. Castellucci, “A review of the methodology and
applications of anthropometry in ergonomics and product design,” Ergonomics, vol.
61, no. 12. Taylor and Francis Ltd., pp. 1696–1720, 02-Dec-2018.
[27] NIOSH, “Musculoskeletal disorders and workplace factors. A critical review of
epidemiologic evidence for work-related musculoskeletal disorders of the neck,
upper extremity, and low back.,” Cincinnati, Ohio, Jul. 1997.
[28] European Agency for Safety and Health atWork: and Zinta Podniece, “Report - Work-
related musculoskeletal disorders: prevention report - Safety and health at work -
EU-OSHA,” Luxembourg, 2008.
[29] K. H. E. Kroemer, “Cumulative trauma disorders: Their recognition and ergonomics
measures to avoid them,” Appl. Ergon., vol. 20, no. 4, pp. 274–280, Dec. 1989.
[30] D. E. Araujo Vizuete and H. D. Villacís Jara, “Estudio del riesgo ergonómico en
operadores de una línea de ensamblaje de la empresa SEDEMI S.A. empleando el
método rula en condiciones reales de trabajo mediante la aplicación de un sensor
comercial,” Mar. 2019.
[31] N. R. C. and I. of Medicine, Musculoskeletal Disorders and the Workplace.
Washington, DC: National Academies Press, 2001.
[32] H. Haggag, “Supervised learning for labelling human body with attached props,”
Deakin University, 2015.
[33] L. Yang, “3D Sensing and Tracking of Human Gait,” University of Ottawa, Ottawa,
2015.
73
[34] M. Hansard, S. Lee, O. Choi, and R. Horaud, Time-of-Flight Cameras, vol. 53, no. 9.
London: Springer London, 2013.
[35] L. Li, “Time-of-Flight Camera-An Introduction,” 2014.
[36] M. Draelos, “The Kinect Up Close: Modifications for Short-Range Depth Imaging.,”
North Carolina State University, 2012.
[37] “86. Sensor Kinect, inteligencia artificial al alcance de todos.” [Online]. Available:
https://programarfacil.com/podcast/86-sensor-kinect-inteligencia-artificial/.
[Accessed: 02-Mar-2020].
[38] H. Gonzalez-Jorge, B. Riveiro, E. Vazquez-Fernandez, J. Martínez-Sánchez, and P.
Arias, “Metrological evaluation of Microsoft Kinect and Asus Xtion sensors,” Meas. J.
Int. Meas. Confed., vol. 46, no. 6, pp. 1800–1806, Jul. 2013.
[39] “Kinect for Xbox 360 and Kinect for Windows (KfW) v1 specs | George Birbilis
@zoomicon.” [Online]. Available:
https://zoomicon.wordpress.com/2015/07/28/kinect-for-xbox-360-and-kinect-for-
windows-kfw-v1-specs/. [Accessed: 03-Mar-2020].
[40] J. Shotton et al., “Real-Time Human Pose Recognition in Parts from Single Depth
Images,” IEEE Conf. Comput. Vis. Pattern Recognit., pp. 1297–1304, 2011.
[41] “Kinect for Windows v2.” [Online]. Available: https://docs.depthkit.tv/docs/kinect-for-
windows-v2. [Accessed: 03-Mar-2020].
[42] “Kinect | vvvv.” [Online]. Available: https://vvvv.org/documentation/kinect. [Accessed:
24-Mar-2020].
[43] J. R. Terven and D. M. Cordova, “Kin2/kin2-user-guide.pdf at master · jrterven/Kin2
· GitHub.” [Online]. Available:
https://github.com/jrterven/Kin2/blob/master/UserGuide/kin2-user-guide.pdf.
[Accessed: 24-Feb-2020].
[44] “Understanding Kinect V2 Joints and Coordinate System.” [Online]. Available:
https://medium.com/@lisajamhoury/understanding-kinect-v2-joints-and-coordinate-
system-4f4b90b9df16. [Accessed: 04-Mar-2020].
[45] “Adaptador Xbox Kinect, The perseids Adaptador para Xbox One S / Xbox One X y
PC con Windows 8 / 8.1 / 10, sensor X Kinect 2.0 Enchufe de la UE - Chollos y
Ofertas.” [Online]. Available:
74
https://www.raspberryshop.es/chollosyofertas/producto/kinect-adaptador-para-
xbox-one-adaptador-para-xbox-one-s-x-adaptador-kinect-2-microsoft-kinect-
adapter-reemplazo-para-pc-xbox-one-s-xbox-one-x-windows-10-enchufe-de-la-eu/.
[Accessed: 07-Mar-2020].
[46] “Download Kinect for Windows SDK 2.0 from Official Microsoft Download Center.”
[Online]. Available: https://www.microsoft.com/en-
us/download/details.aspx?id=44561. [Accessed: 07-Mar-2020].
[47] J. Shao, C. S. Fraser, and T. V. Wrigley, “Object Point Tracking in Photogrammetric
Measurement of Human Movement,” Photogramm. Rec., vol. 17, no. 97, pp. 103–
117, Apr. 2001.
[48] B. Krawczky, A. G. Pacheco, and M. R. M. Mainenti, “A systematic review of the
angular values obtained by computerized photogrammetry in sagittal plane: A
proposal for reference values,” J. Manipulative Physiol. Ther., vol. 37, no. 4, pp. 269–
275, May 2014.
[49] INSTITUTO DE BIOMECÁNICA DE VALENCIA (IVB), KINESCAN/IBV Manual de
usuario, 5.2. Valencia, España, 2014.
[50] Instituto de Biomecánica de Valencia, “DEFINICIÓN DE MODELOS EN KINESCAN
/ IBV Contenido.”
[51] INSTITUTO DE BIOMECÁNICA DE VALENCIA (IBV), “Kinescan/IBV V2014,”
Valencia, España, 2018.
[52] S. Hignett and L. McAtamney, “Rapid Entire Body Assessment (REBA),” Appl.
Ergon., vol. 31, no. 2, pp. 201–205, Apr. 2000.
[53] C. Berlin and C. Adams, Production Ergonomics: Designing Work Systems to
Support Optimal Human Performance, First. London: Ubiquity Press, 2017.
[54] D. Mas and J. Antonio, “Evaluación postural mediante el método REBA. Ergonauas,”
Universidad Politécnica de Valencia, 2015. [Online]. Available:
https://www.ergonautas.upv.es/metodos/reba/reba-ayuda.php. [Accessed: 02-Mar-
2020].
[55] ErgoPlus, “A Step-by-Step Guide to the REBA Assessment Tool.” [Online]. Available:
https://ergo-plus.com/reba-assessment-tool-guide/. [Accessed: 01-Mar-2020].
[56] G. Wilhelmus Johannes Andreas and E. Johanssons, “Observational Methods for
75
Assessing Ergonomic Risks for Work-Related Musculoskeletal Disorders. A Scoping
Review,” Rev. Ciencias la Salud, vol. 16, no. Special Issue, pp. 8–38, Jun. 2018.
[57] N. A. Stanton, “Hierarchical task analysis: developments, applications, and
extensions.,” Appl. Ergon., vol. 37, no. 1, pp. 55–79, Jan. 2006.
[58] Instituto de Biomecánica de Valencia, “LISTAS DE COMPROBACIÓN
ERGONÓMICAS | Listas de comprobación del sector.” [Online]. Available:
http://ergodep.ibv.org/procedimientos/9-listas-de-comprobacion-del-sector/549-
listas-de-comprobacion-ergonomicas.html. [Accessed: 23-Mar-2020].
[59] G. Wu et al., “ISB recommendation on definitions of joint coordinate system of various
joints for the reporting of human joint motion - Part I: Ankle, hip, and spine,” Journal
of Biomechanics, vol. 35, no. 4. Elsevier Ltd, pp. 543–548, 01-Apr-2002.
[60] G. Wu et al., “ISB recommendation on definitions of joint coordinate systems of
various joints for the reporting of human joint motion - Part II: Shoulder, elbow, wrist
and hand,” J. Biomech., vol. 38, no. 5, pp. 981–992, May 2005.
[61] J. R. Terven and D. M. Córdova-Esparza, “Kin2. A Kinect 2 toolbox for MATLAB,”
Sci. Comput. Program., vol. 130, pp. 97–106, Nov. 2016.
[62] J. R. Terven, “GitHub - jrterven/Kin2: A Kinect 2 Toolbox for Matlab.” .
[63] I. MathWorks, “Image Acquisition ToolboxTM Support Package for Kinect ® For
Windows ® Sensor User’s Guide R2019b,” 2016.
[64] “Ecuación del plano.” [Online]. Available:
http://matematicasblecua.ftp.catedu.es/bacmat/temario/bac2/mat2_06rectasyplano
s_t2.htm. [Accessed: 09-Mar-2020].
[65] “Maths - Projections of lines on planes - Martin Baker.” [Online]. Available:
http://www.euclideanspace.com/maths/geometry/elements/plane/lineOnPlane/index
.htm. [Accessed: 10-Mar-2020].
[66] D. Sow, D. S. Turaga, and M. Schmidt, “Mining of sensor data in healthcare: A
survey,” in Managing and Mining Sensor Data, vol. 9781461463092, Springer US,
2013, pp. 459–504.
[67] M. A. Rahman, M. A. Rashid, and M. Ahmad, “Selecting the optimal conditions of
Savitzky–Golay filter for fNIRS signal,” Biocybern. Biomed. Eng., vol. 39, no. 3, pp.
624–637, Jul. 2019.
76
[68] I. MathWorks, “Decrease sample rate by integer factor - MATLAB downsample.”
[Online]. Available: https://www.mathworks.com/help/signal/ref/downsample.html.
[Accessed: 15-Mar-2020].
[69] I. MathWorks, “Savitzky-Golay filtering - MATLAB sgolayfilt.” [Online]. Available:
https://www.mathworks.com/help/signal/ref/sgolayfilt.html. [Accessed: 15-Mar-
2020].
[70] I. MathWorks, “Normalize data - MATLAB normalize.” [Online]. Available:
https://www.mathworks.com/help/matlab/ref/double.normalize.html. [Accessed: 15-
Mar-2020].
[71] I. MathWorks, “Execute for-loop iterations in parallel on workers - MATLAB parfor.”
[Online]. Available: https://www.mathworks.com/help/parallel-computing/parfor.html.
[Accessed: 15-Mar-2020].
[72] S. Choppin, B. Lane, and J. Wheat, “The accuracy of the Microsoft Kinect in joint
angle measurement,” Sport. Technol., vol. 7, no. 1–2, pp. 98–105, Apr. 2014.
[73] S. Cilveti Gubía and V. Idoate Gracía, “PROTOCOLOS DE VIGILANCIA SANITARIA
ESPECÍFICA POSTURAS FORZADAS COMISIÓN DE SALUD PÚBLICA
CONSEJO INTERTERRITORIAL DEL SISTEMA NACIONAL DE SALUD,” Madrid,
2000.